Selle droonisülemi väljaõppel ei saanud ükski puud viga
Tavainimene pole ilmselt sellele palju mõelnud, kuid tegelikult on drooniparve jaoks palju fantastilisi rakendusi. Alates praktilistest toimingutest nagu põllukultuuride pihustamine kuni elava valgusshowni on piiriks kindlasti taevas. Kuid kõigepealt peame õpetama neid mitte üksteise otsa põrkuma.
Enrica Soria, matemaatikainsener ja robootika doktorant Šveitsi Lausanne’i föderaalsest tehnoloogiainstituudist (EPFL), hoolib samuti sellest probleemist. Ta ehitas arvutimudeli, mis suudab edukalt simuleerida viie autonoomse drooni trajektoore, mis lendavad läbi paksu metsa ilma ühegi kokkupõrketa. Siiski mõistis ta, et selle reaalses maailmas proovimiseks peab ta ületama üllatava takistuse: puud.
Droonid, eriti kallimad kvadrokopterid, mida ta kasutada tahtis, on kallid ja mõne neist katse ajal ohverdamine polnud just ideaalne. Nii lõi Soria võltsmetsa pehmete puudega, mis olid tegelikult vaid mõned kokkupandavad mängutunnelid Ikeast. Soria ütles, et "isegi kui droonid neile otsa kukuvad, ei purune need."
Lisaks kulukate droonide (või süütute puude) hävitamise peatamisele on katsel siiski suurem mõju. Kuna autonoomsed drooniparved muutuvad üha tavalisemaks igasugustes tööstusharudes ja paljudes rakendustes, on vaja rohkem koolitust, et need droonid ei põrkaks üksteisega (või inimeste või eraomandiga) kokku, kui nad on väljas. tööl. Usaldusväärne juhtimissüsteem, nagu Soria oma, on vajalik ja oluline samm.
Praegu juhitakse autonoomseid sülemeid reaktiivselt. See tähendab, et nad teevad alati arvutusi, mis põhinevad kaugusel teistest objektidest, et nad saaksid vältida takistusi või üksteist; samuti, kui droonid lähevad liiga laiali, tuvastavad nad selle ja liiguvad uuesti sisse. See on kõik korras, kuid endiselt on küsimus, kui kaua kulub droonil nende reguleerimisarvutuste sooritamiseks lennult.
Soria uus "ennustusjuhtimise" algoritm töötab aktiivselt selle aeglustumise vältimiseks parema ja tõhusama planeerimisega. Selle abil suhtlevad nad üksteisega, et tõlgendada liikumist salvestavaid andmeid reaalajas, et luua ennustusi selle kohta, kuhu teised lähedalasuvad droonid liiguvad, ja kohandada vastavalt oma asukohti.
Kui ta oli võltsmetsa üles seadnud ja simulatsiooni käivitanud, sai ta kiiresti aru, et droonid alla ei kukkunud ja et ta ei pea investeerima pehmematesse takistustesse. Soria märgib: "Nad näevad ajas ette. Nad saavad ette näha naabrite edasist aeglustumist ja vähendada selle negatiivset mõju lennule reaalajas.
Tänu sellele suutis Soria tõestada, et tema algoritm võimaldas droonidel takistustest läbi liikuda 57% kiiremini kui droonidel, kasutades ennustusalgoritmi asemel reaktiivseid juhtnuppe. Ta märkis muljetavaldavaid tulemusi mais ajakirjas Nature Machine Intelligence avaldatud artiklis .
See projekt, nagu paljud teised autonoomsete sõidukite koolitamiseks mõeldud projekt, on inspireeritud loodusest. Jah, nagu kalaparved, linnuparved ja mesilasparved. Ja loomulikult (vähemalt praegu) on loodus selles palju parem kui meie. Soria märgib, et "bioloogid ütlevad, et keskarvutit pole", mis tähendab, et ükski loom või putukas ei juhi ülejäänud rühma liikumist. Pigem arvutab iga inimene ise oma ümbruse – näiteks takistused ja isegi muud kalad, linnud või mesilased – ning liigub vastavalt.
Kuigi ennustava juhtimise kontseptsioon on droonide jaoks esmakordne, on see vana idee. Varem on teadlased seda mudelit kasutanud kahe eelnevalt määratletud trajektooril liikuva sõiduki piirkondades ja süsteemides navigeerimiseks. Ennustav juhtimine tugineb mitmele reaalajas tehtud arvutustele ja kui seda käivitav algoritm pole elegantne, võib see maksimeerida iga drooni arvutusvõimsust.
Kuna mängus on nii palju muutujaid, nagu kiirus ja vahemaa, tuleb ka algoritm hoolikalt ja põhjalikult läbi mõelda. Droonide ja droonide kokkupõrgete vältimiseks tuleb lisada põhiparameetrid, nagu minimaalne lubatud kaugus droonide vahel, kuid keerulisemad asjad, nagu lennukeelutsoonid ja tõhus radade kaardistamine soovitud kiirustel, peavad olema suutelised arvutama lennu ajal ilma segamiseta. kõik üleval.
Kuna need algoritmid muutuvad defineeritumaks ja seega ka võimsamaks, on neil lihtsam täita rohkem erinevaid ülesandeid, mis on inimeste jaoks rasked või ebatõhusad, nagu koordineeritud tarned suurtel metrooaladel või õhust otsimis- ja päästemissioonid.. Kuid praegusel kujul on Soria algoritm dronekindi jaoks suur samm edasi.
Wired kaudu