FlapSim : une plateforme de simulation MuJoCo composable et une hiérarchie de modèles aérodynamiques d'ordre réduit pour la robotique à ailes battantes

FlapSim, une plateforme open source construite sur MuJoCo, s'attaque à un problème classique de la simulation de robots à ailes battantes: concilier l'aérodynamique à haute fréquence des battements d'ailes avec la dynamique beaucoup plus lente qui intéresse le contrôle de vol et l'apprentissage par renforcement. La plateforme assemble descriptions de robots, géométrie d'aile et modèles aérodynamiques composables dans un pipeline de simulation déterministe. Les auteurs comparent cinq configurations d'ordre réduit, tournant à un pas de 1 ms, à une référence quasi-stationnaire par éléments de pale (blade-élément) à 50 µs, sur 48 scénarios de test non vus pendant la conception: fréquence, cardan, vent, échelon de fréquence, rafale et plaque plane inter-robots. La base de référence intégrée, une moyenne par cycle en vol stationnaire, offre un gain de 67,51 fois sur CPU mais une fidélité moyenne des torseurs d'efforts de seulement 0,6593. Un modèle à cinq blocs combine synchronisation multicadence (21 sous-pas), couplage tridimensionnel linéaire/quadratique du flux induit et des rafales, mise à l'échelle analytique de la géométrie et harmoniques de battement 1f à 6f verrouillées en phase. Il atteint 0,9646 de fidélité pour un gain de 65,19 fois. Une version à quatre blocs, sans états de retard transitoire explicites, fait légèrement mieux, avec 0,9662 de fidélité et un gain de 67,98 fois.

Pour les équipes qui entraînent des politiques de vol par apprentissage par renforcement, l'enjeu est le coût de la simulation: un facteur 65 à 68 sur CPU, avec une perte de fidélité limitée par rapport à la référence fine, rend envisageable de simuler des millions de pas sans passer par un solveur aérodynamique coûteux. Le résultat le plus instructif est négatif pour une idée répandue: une fois l'alignement de phase et la synthèse harmonique intégrés, les états de retard transitoire n'apportent aucun bénéfice sur ce banc d'essai. Les ablations montrent que les harmoniques de battement comptent surtout lors des changements de fréquence, avec un gain de fidélité de +0,3176 sur l'échelon de fréquence. L'analyse par fonction de transfert l'explique: une moyenne sur fenêtre fixe conserve des contributions harmoniques quand la fréquence varie, donc reconstruire le signal à l'intérieur du cycle améliore aussi le torseur filtré. Il faut toutefois rester prudent: la fidélité est mesurée contre un modèle quasi-stationnaire, pas contre des mesures en soufflerie ou des vols réels, et l'écart sim-to-real n'est pas évalué.

Le travail s'inscrit dans un domaine où les ornithoptères et micro-drones à ailes battantes restent difficiles à modéliser, car les effets instationnaires (tourbillons de bord d'attaque, masse ajoutée) sont mal captés par les modèles simples, tandis que les simulations haute fidélité sont trop lentes pour l'apprentissage. MuJoCo est devenu le moteur de référence de la recherche en robotique et en apprentissage, ce qui facilite l'adoption d'une brique libre et modulaire. Les auteurs identifient quatre leviers pour la suite des modèles réduits: le timing, le flux induit, la géométrie et la représentation harmonique. Cette publication, un preprint arXiv (v1) non encore évalué par des pairs, ne mentionne aucun pilote industriel ni calendrier de validation expérimentale.