Den genomsnittliga personen har förmodligen inte tänkt så mycket på det, men det finns faktiskt massor av fantastiska applikationer för en svärm av drönare. Från praktiska operationer som sprutning av grödor till en livlig ljusshow, himlen är verkligen gränsen. Men först måste vi lära dem att inte krascha in i varandra.
Enrica Soria, en matematisk ingenjör och doktorand i robotteknik från Swiss Federal Institute of Technology Lausanne (EPFL), bryr sig också om denna fråga. Hon byggde en datormodell som framgångsrikt kunde simulera banorna för fem autonoma drönare som flyger genom en tjock skog utan en enda kollision. Men hon insåg att för att testa detta i den verkliga världen, skulle hon behöva övervinna ett överraskande hinder: träd.
Drönare, särskilt de avancerade quadcoptrarna hon ville använda, är dyra, och att offra några av dem under testet var inte direkt idealiskt. Så Soria skapade en falsk skog med mjuka träd, som egentligen bara var några hopfällbara lektunnlar från Ikea. Soria sa att "Även om drönarna kraschar in i dem kommer de inte att gå sönder."
Förutom att stoppa förstörelsen av dyra drönare (eller av oskyldiga träd), har experimentet dock större konsekvenser. När autonoma drönarsvärmar blir mer och mer vanliga i alla typer av industrier och i så många applikationer, behöver mer utbildning behövas för att säkerställa att dessa drönare inte kommer att kollidera med varandra (eller med människor eller privat egendom) när de är ute på jobbet. Ett pålitligt kontrollsystem, som Sorias, är ett nödvändigt och viktigt steg.
För närvarande kontrolleras autonoma svärmar reaktivt. Detta innebär att de alltid kör beräkningar baserat på avstånd från andra föremål så att de kan undvika hinder eller varandra; På samma sätt, om drönarna blir för utspridda, kommer de att upptäcka det och flytta in igen. Det är helt okej, men det finns fortfarande frågan om hur lång tid det tar för drönaren att utföra dessa justeringsberäkningar i farten.
Sorias nya "predictive control"-algoritm arbetar aktivt för att undvika dessa nedgångar med bättre och effektivare planering. Med den kommunicerar de med varandra för att tolka motion-capture-data i realtid för att skapa förutsägelser om var andra närliggande drönare kommer att röra sig och justera sina egna positioner därefter.
När hon väl satte upp falskskogen och körde simuleringen lärde hon sig snabbt att drönarna inte kraschade och att hon inte behövde investera i de mjukare hindren. Soria noterar, "De kan se framåt i tiden. De kan förutse en framtida avmattning för sina grannar och minska den negativa effekten av detta på flygningen i realtid."
På grund av detta kunde Soria bevisa att hennes algoritm tillät drönarna att röra sig genom hinder 57 % snabbare än drönare med hjälp av reaktiva kontroller istället för förutsägelsealgoritmen. Hon noterade de imponerande resultaten i en artikel som publicerades i Nature Machine Intelligence i maj.
Detta projekt, liksom många andra designat för att träna autonoma fordon, inspirerades av naturen. Japp, som fiskstim, fågelflockar och binsvärmar. Och naturligtvis (åtminstone just nu) är naturen mycket bättre på det än vad vi är. Soria noterar att "biologer säger att det inte finns någon central dator", vilket betyder att inget enskilt djur eller insekt styr rörelsen för resten av gruppen. Snarare beräknar varje individ sin egen omgivning – som hinder och till och med andra fiskar eller fåglar eller bin – och rör sig därefter.
Även om konceptet med prediktiv kontroll är det första för drönare, är det en gammal idé. Tidigare har forskare använt modellen för att navigera i områden och system för två fordon som rör sig längs fördefinierade banor. Prediktiv kontroll förlitar sig på flera realtidsberäkningar, och om algoritmen som kör den inte är elegant kan den maximera varje drönares beräkningskapacitet.
Med så många variabler som hastighet och avstånd i spel, måste algoritmen också vara noggrant och noggrant genomtänkt. Grundläggande parametrar som det minsta tillåtna avståndet mellan drönare måste inkluderas, för att undvika drönare-mot-drönare-kollisioner, men mer komplexa saker som flygförbudszoner och effektiv vägkartläggning vid önskade hastigheter måste kunna beräkna i farten utan störningar allt upp.
När dessa algoritmer blir mer definierade och därmed mer kraftfulla, blir det lättare för dem att utföra ett större antal uppgifter som är svåra eller ineffektiva för människor att utföra, som koordinerade leveranser i stora storstadsområden eller flygräddningsuppdrag. Men som det är så är Sorias algoritm ett stort steg framåt för drönare.
via Wired