Ingénieurs du MIT : un algorithme pour entraîner des drones à éviter les obstacles à haute vitesse
Ceux qui suivent les courses de drones autonomes se souviennent sûrement de plus d'accidents que de victoires. Lors des courses de drones, les équipes s'affrontent pour déterminer quel appareil est le mieux préparé à voler à travers un parcours d'obstacles. Pourtant, plus les drones volent vite, plus ils deviennent instables. À haute vitesse, leur aérodynamique est difficile à prédire. Les défaillances sont monnaie courante.
Si l'on pouvait rendre les drones plus rapides et plus manœuvrables, on pourrait les utiliser dans des opérations où le temps est critique en dehors des circuits de course, par exemple pour rechercher des survivants après une catastrophe naturelle.
Des ingénieurs en aérospatiale de l'Institut de technologie du Massachusetts (MIT) ont mis au point un algorithme qui aide les drones à trouver l'itinéraire le plus rapide autour des obstacles sans défaillance. Il combine la simulation du vol d'un drone à travers un parcours d'obstacles virtuel avec les données d'expériences d'un drone réel suivant le même itinéraire dans l'espace physique.
Les chercheurs ont constaté qu'un drone entraîné avec leur algorithme franchissait le parcours d'obstacles 20 % plus vite qu'un drone entraîné avec des algorithmes de planification classiques. Toutefois, le nouvel algorithme ne permettait pas toujours aux drones de devancer leurs concurrents tout au long de la course. Parfois, il préférait ralentir le drone pour négocier un virage difficile, ou économiser de l'énergie pour accélérer et finir par dépasser son adversaire.
« À haute vitesse, il existe une aérodynamique complexe qu'il est difficile de modéliser, c'est pourquoi nous utilisons des expériences en conditions réelles pour combler ces zones d'ombre, afin de découvrir, par exemple, s'il vaut mieux ralentir d'abord puis accélérer. C'est cette approche globale que nous utilisons pour voir comment rendre la trajectoire, dans son ensemble, aussi rapide que possible »
Selon Sertac Karaman, professeur associé en aéronautique au MIT, de tels algorithmes constituent une étape très précieuse vers la création des drones de demain, capables de se déplacer très rapidement dans des conditions complexes : « Nous espérons vraiment repousser les limites afin qu'ils puissent voyager aussi vite que leurs capacités physiques le permettent.
Les effets de la vitesse
Apprendre à un drone à contourner des obstacles est relativement simple lorsqu'il doit voler lentement. En effet, l'aérodynamique, comme la traînée, n'intervient généralement pas à basse vitesse et peut être ignorée dans la modélisation du comportement du drone. Mais à haute vitesse, ces effets sont beaucoup plus marqués et il devient beaucoup plus difficile de prédire comment les appareils vont se comporter.
Pendant un vol rapide, il est difficile pour un drone d'estimer sa position. Il peut y avoir des retards dans l'envoi du signal au moteur ou une chute soudaine de tension, susceptibles de provoquer d'autres problèmes de dynamique. Ces effets ne peuvent pas être simulés avec les approches traditionnelles de planification.
Pour comprendre comment l'aérodynamique à haute vitesse affecte les drones en vol, les chercheurs doivent mener de nombreuses expériences en laboratoire, en réglant les drones à différentes vitesses et sur différentes trajectoires, afin de voir lesquels volent vite et sans défaillance. C'est un processus coûteux et souvent source de défaillances.
À la place, l'équipe du MIT a développé un algorithme de planification de vol à haute vitesse qui combine simulation et expériences de manière à minimiser le nombre d'expériences nécessaires pour déterminer des trajectoires de vol rapides et sûres.
Les chercheurs ont commencé par un modèle de planification de vol fondé sur la physique, qu'ils ont conçu pour simuler d'abord le comportement d'un drone pendant son vol à travers un parcours d'obstacles virtuel. Ils ont simulé des milliers de scénarios de course, chacun avec sa propre trajectoire et sa propre vitesse.
Ils ont ensuite indiqué si chaque scénario était réalisable (sûr) ou non réalisable (conduisant à une défaillance). À partir de ce tableau, les chercheurs ont pu sélectionner rapidement quelques scénarios ou trajectoires de course prometteurs à tester en laboratoire.
« Nous pouvons effectuer cette simulation rapidement et à moindre coût pour repérer des trajectoires intéressantes, qui peuvent être rapides et réalistes. Nous menons ensuite des expériences sur ces trajectoires pour comprendre lesquelles sont réellement possibles dans le monde réel. Au final, nous nous rapprochons d'une trajectoire optimale qui nous donne le temps le plus court possible »
Ralentir pour mieux accélérer ensuite
Pour démontrer leur nouvelle approche, les chercheurs ont simulé un drone volant sur un itinéraire simple comportant cinq grands obstacles carrés disposés en quinconce.
Ils ont installé la même configuration dans une salle d'entraînement physique et ont programmé le drone pour suivre le parcours à la vitesse et selon les trajectoires qu'ils avaient préalablement sélectionnées à partir de leurs simulations. Ils ont également fait parcourir le même circuit à un drone entraîné avec un algorithme plus traditionnel, n'incluant pas d'expériences dans sa planification.
Dans l'ensemble, le drone entraîné avec le nouvel algorithme a « remporté » chaque course, en parcourant le circuit en un temps plus court que le drone entraîné de manière classique. Dans certains scénarios, le drone vainqueur a terminé la course 20 % plus vite que son concurrent, même s'il avait choisi une trajectoire avec un départ plus lent, par exemple en prenant un peu plus de temps pour un virage.
Les chercheurs prévoient de mener davantage d'expériences à des vitesses plus élevées et dans des conditions plus complexes afin d'améliorer leur algorithme. Ils pourraient aussi intégrer les données de vol de pilotes humains qui pilotent les drones à distance, dont les décisions et les manœuvres pourraient aider à obtenir des plans de vol encore plus rapides, mais tout aussi réalisables.
