| 12 августа 2021 г. — 1:38 PT
Использование беспилотных летательных аппаратов (БПЛА) в миссиях, требующих как точности, так и скорости, растет во всех сферах бизнеса – и является основным направлением работы служб экстренного реагирования. Оптимизация сочетания скорости и точности дронов – при этом избегая столкновений – также была в центре недавних многообещающих исследований.
Алгоритм MIT помогает дронам на максимальной скорости маневрировать между препятствиями без столкновений
Группа инженеров-аэрокосмических специалистов Массачусетского технологического института (MIT) изучила основную проблему, с которой сталкиваются пилоты гонок дронов: как заставить дроны проходить извилистую трассу на максимальной скорости, не сталкиваясь с различными препятствиями. Они рассудили, что поиск формулы, обеспечивающей максимальную скорость и безопасность, которую можно загрузить в дроны, может помочь компаниям сэкономить время и деньги. Что еще более важно, это также может стать разницей между жизнью и смертью в сценариях экстренного реагирования. Однако найти этот оптимальный баланс производительности оказалось непросто.
Поэтому, когда разработанный ими алгоритм для достижения этой идеальной цели скорости и безопасности оказался неполным, исследователи пошли на гибридный подход. Они начали сопоставлять многочисленные теоретические сценарии, заложенные в их коды, с реальным опытом, который пилоты дронов часто должны получать на собственном горьком опыте.
«На высоких скоростях существуют сложные аэродинамические эффекты, которые трудно симулировать, поэтому мы используем реальные эксперименты, чтобы заполнить эти пробелы, чтобы, например, выяснить, что лучше сначала замедлиться, чтобы потом ускориться», — сказал выпускник MIT и исследователь проекта Эзра Тал в интервью MIT News. «Именно этот комплексный подход мы используем, чтобы понять, как сделать траекторию в целом максимально быстрой».
Предыдущие работы показали, что довольно легко разработать системы, которые позволяют дронам летать между препятствиями без столкновений – если их скорость остается относительно низкой. Однако добавление скорости в уравнение вводит ряд факторов – например, сопротивление и стабильность – которые затрудняют точное определение того, насколько хорошо и быстро аппарат будет реагировать. Именно поэтому группа MIT решила восполнить пробелы в своем полностью симулированном алгоритме опытом, который можно получить только за пультом управления.
Усовершенствование алгоритмов обхода препятствий, сгенерированных технологиями, с помощью обучения реальным полетам
Для начала они отправили симулированные компьютером дроны по виртуальной полосе препятствий с различной скоростью и использовали пролеты без столкновений для составления алгоритма. Затем они воссоздали тот же курс в реальной форме, отправив настоящие БПЛА, запрограммированные на полет с использованием скоростей и маршрутов из их симуляций. Наконец, они запустили контрольные дроны по трассе, используя стандартные системы обхода препятствий и с различной скоростью, чтобы действовать как де-факто соперники для дронов эксперимента.
То, что они узнали из этих тестов, может (или не может) удивить начинающих гонщиков. Дроны, обученные алгоритму MIT, финишировали первыми во всех состязаниях, порой на 20% быстрее аппаратов с обычным навигационным программным обеспечением. Еще более интересным является то, что пробные дроны выиграли, несмотря на нарушение того, что можно было бы считать логичным гоночным решением, выбирая более длинные маршруты вокруг препятствий или значительно жертвуя скоростью ради снижения риска столкновения. Например, первоначальный выбранный путь мог быть извилистым по сравнению с прямым движением контрольного БПЛА, но привел к обходу опасностей, что улучшило общую цель по времени-скорости-безопасности.
Причина этого, по словам экспертов, заключается в том, что алгоритмы в контрольных аппаратах были основаны исключительно на симуляционных сценариях, в то время как пробные дроны также использовали ситуации из реальных испытательных полетов. Это означало, что умные решения, принятые людьми-пилотами при преодолении препятствий на максимальной скорости без столкновений, были учтены в симуляциях MIT. Это позволило дронам выбирать лучший вариант из компьютерных или человеческих наборов, в зависимости от различных encountered ситуаций.
«Если пилот-человек замедляется или набирает скорость, это может повлиять на то, что делает наш алгоритм», — объясняет Тал. «Мы также можем использовать траекторию человека-пилота в качестве отправной точки и улучшать ее, чтобы видеть (то, что) люди не делают, а наш алгоритм может определить, чтобы летать быстрее. Это некоторые из будущих идей, о которых мы думаем».