Звичайна людина, напевно, не дуже замислювалася над цим, але насправді існує безліч фантастичних застосувань для рою дронів. Від практичних операцій, таких як обприскування сільськогосподарських культур, до яскравого світлового шоу, небо, безумовно, є межею. Але спочатку ми повинні навчити їх не врізатися один в одного.
Енріка Соріа, інженер-математик і аспірант з робототехніки зі Швейцарського федерального технологічного інституту Лозанни (EPFL), також хвилюється цим питанням. Вона побудувала комп’ютерну модель, яка могла б успішно моделювати траєкторії п’яти автономних безпілотників, які летять густим лісом без жодного зіткнення. Однак вона зрозуміла, що для того, щоб перевірити це в реальному світі, їй потрібно подолати дивовижну перешкоду: дерева.
Дрони, особливо квадрокоптери вищого класу, які вона хотіла використовувати, коштують дорого, і пожертвувати деякими з них під час тесту було не зовсім ідеально. Тож Сорія створив фальшивий ліс із м’якими деревами, які насправді були лише розбірними ігровими тунелями від Ikea. Сорія сказав, що «навіть якщо дрони врізатимуться в них, вони не зламаться».
Крім припинення знищення дорогих дронів (або невинних дерев), експеримент має більші наслідки. Оскільки рої автономних дронів стають все більш звичними в усіх галузях і в багатьох сферах застосування, потрібно більше навчання, щоб ці дрони не зіткнулися один з одним (або з людьми чи приватною власністю), коли вони не працюють. на роботі. Надійна система контролю, як у Сорії, є необхідним і важливим кроком.
В даний час автономні рої контролюються реактивно. Це означає, що вони завжди виконують обчислення на основі відстані від інших предметів, щоб вони могли уникати перешкод або один одного; так само, якщо дрони будуть занадто розкидані, вони виявлять це і знову заселяться. Все добре, але все ще залишається питання, скільки часу потрібно дрону для виконання цих розрахунків коригування на льоту.
Новий алгоритм «прогнозного контролю» Soria активно працює, щоб уникнути цих сповільнень за допомогою кращого та ефективнішого планування. З його допомогою вони спілкуються один з одним, щоб інтерпретувати дані зйомки руху в режимі реального часу, щоб прогнозувати, куди будуть рухатися інші сусідні дрони, і відповідно коригувати свої власні позиції.
Після того, як вона створила фальшивий ліс і запустила симуляцію, вона швидко дізналася, що дрони не розбиваються і що їй не потрібно вкладати кошти в м’які перешкоди. Сорія зазначає: «Вони здатні бачити вперед у часі. Вони можуть передбачити майбутнє уповільнення своїх сусідів і зменшити негативний вплив цього на політ у режимі реального часу».
Завдяки цьому Сорія змогла довести, що її алгоритм дозволяв дронам пересуватися через перешкоди на 57% швидше, ніж дрони, використовуючи реактивні елементи керування замість алгоритму передбачення. Вона відзначила вражаючі результати у статті, опублікованій у травні Nature Machine Intelligence.
Цей проект, як і багато інших, розроблених для навчання автономних транспортних засобів, був натхненний природою. Так, як зграї риб, зграї птахів і рої бджіл. І, звичайно (принаймні, зараз), природа це набагато краще, ніж ми. Сорія зазначає, що «біологи кажуть, що центрального комп’ютера немає», тобто жодна тварина чи комаха не керують рухом решти групи. Швидше, кожна людина обчислює своє власне оточення — наприклад, перешкоди і навіть інші риби, птахи чи бджоли — і рухається відповідно.
Хоча концепція прогнозного контролю є першою для дронів, це стара ідея. Раніше вчені використовували модель для навігації по районах і системах для двох транспортних засобів, які рухаються за заздалегідь визначеними траєкторіями. Прогнозне керування покладається на численні обчислення в режимі реального часу, і якщо алгоритм, що виконується, не є елегантним, він може максимально збільшити обчислювальні можливості кожного дрона.
З такою кількістю змінних, як швидкість і відстань у грі, алгоритм також повинен бути ретельно і ретельно продуманий. Необхідно включити основні параметри, наприклад мінімально дозволену відстань між дронами, щоб уникнути зіткнень дрона з дроном, але для більш складних речей, як заборонені для польотів зони та ефективне відображення шляху на бажаній швидкості, потрібно мати можливість обчислювати на льоту без перешкод. все вгору.
Оскільки ці алгоритми стають більш визначеними і, отже, потужнішими, їм буде легше виконувати ширший спектр завдань, які важко або неефективно виконувати для людей, як-от скоординовані доставки у великих районах метро або повітряні пошуково-рятувальні місії.. Але так як він є, алгоритм Сорії є величезним кроком вперед для безпілотників.
через Wired