Инженеры MIT разработали алгоритм для обучения дронов — они могут избегать препятствия на высоких скоростях
Те, кто следят за автономными гонками дронов, наверняка помнят больше аварий, чем побед. В гонках дронов команды соревнуются, чтоы определить, какое устройство лучше подготовлено для полета через полосу препятствий. Однако чем быстрее летают дроны, тем нестабильнее они становятся. На высоких скоростях их аэродинамику сложно предсказать. Сбои являются обычным явлением.
Если бы можно было заставить дроны быть более быстрыми и маневренными, их можно было бы использовать в критических по времени операциях за пределами гоночной трассы — к примеру, для поиска выживших в стихийном бедствии.
Аэрокосмические инженеры Массачусетского технологичного института (MIT) разработали алгоритм, который помогает дронам находить самый быстрый маршрут вокруг препятствий без сбоев. Он объединяет моделирование полета дрона через виртуальную полосу препятствий с данными экспериментов реального дрона, пролетающего по тому же маршруту в физическом пространстве.
Исследователи обнаружили, что дрон, обученный по их алгоритму, пролетел через полосу препятствий на 20% быстрее, чем дрон, обученный по обычным алгоритмам планирования. При этом новый алгоритм не всегда позволял дронам опережать конкурентов на протяжении всей гонки. Иногда он предпочитал замедлить дрон, чтобы пройти сложный поворот, или сэкономить энергию, чтобы ускориться и в конечном итоге обогнать своего соперника.
«На высоких скоростях возникает сложная аэродинамика, которую трудно смоделировать, поэтому мы используем эксперименты в реальном мире, чтобы заполнить эти черные дыры, чтобы выяснить, например, что может быть лучше сначала замедлить, а потом ускорить. Именно этот целостный подход мы используем, чтобы увидеть, как мы можем сделать траекторию в целом как можно быстрее»
По словам доцента кафедры аэронавтики MIT Сертака Карамана, такие алгоритмы являются очень ценным шагом на пути к созданию дронов будущего, которые смогут очень быстро перемещаться в сложных условиях: «Мы действительно надеемся раздвинуть границы, чтобы они могли путешествовать настолько быстро, насколько это позволяют их физические возможности.
Быстрые эффекты
Обучить дронов обходить препятствия относительно просто, если они должны летать медленно. Это связано с тем, что аэродинамика, такая как сопротивление, обычно не используется на низких скоростях, и ее можно не учитывать при моделировании поведения дрона. Но на высоких скоростях такие эффекты гораздо более выражены, гораздо сложнее предсказать, как будут справляться устройства.
Во время быстрого полета дрону трудно оценить, где он находится. Могут быть задержки в отправке сигнала на двигатель или внезапное падение напряжения, которое может вызвать другие проблемы с динамикой. Эти эффекты нельзя смоделировать с помощью традиционных подходов к планированию.
Чтобы понять, как высокоскоростная аэродинамика влияет на дроны в полете, исследователям приходится проводить множество экспериментов в лаборатории, настраивая дроны на различных скоростях и траекториях, чтобы увидеть, какие из них летят быстро и без сбоев — это дорогостоящий и часто приводящий к сбоям процесс.
Вместо него команда MIT разработала алгоритм высокоскоростного планирования полета, который объединяет моделирование и эксперименты таким образом, чтобы минимизировать количество экспериментов, необходимых для определения быстрых и безопасных траекторий полета.
Исследователи начали с основанной на физике модели планирования полета, которую они разработали, чтобы сначала смоделировать поведение дрона во время полета через виртуальную полосу препятствий. Они смоделировали тысячи гоночных сценариев, каждый со своей траекторией полета и скоростью.
Затем они отметили, был ли каждый сценарий осуществимым (безопасным) или невыполнимым (приводящим к сбою). Из этой таблицы исследователи смогли быстро выбрать несколько многообещающих сценариев или гоночных траекторий, чтобы опробовать их в лаборатории.
«Мы можем провести это моделирование быстро и дешево, чтобы увидеть интересные траектории, которые могут быть быстрыми и реалистичными. Затем мы проводим эксперименты по этим траекториям, чтобы понять, какие из них действительно возможны в реальном мире. В конечном итоге мы приближаемся к оптимальной траектории, которая дает нам наименьшее возможное время»
Замедлиться, чтобы потом ускориться
Для демонстрации своего нового подхода исследователи смоделировали беспилотный летательный аппарат, пролетавший по простому маршруту с пятью большими препятствиями квадратной формы, расположенными в шахматном порядке.
Они установили ту же конфигурацию в помещении для физических тренировок и запрограммировали дрон для полета по курсу со скоростью и траекториями, которые они ранее выбрали из своих симуляций. Они также провели тот же курс с дроном, обученным по более традиционному алгоритму, который не включает эксперименты при его планировании.
В целом дрон, обученный по новому алгоритму, «выигрывал» каждую гонку, преодолевая трассу за более короткое время, чем обычно обученный дрон. В некоторых сценариях дрон-победитель завершал гонку на 20% быстрее, чем его конкурент, даже если он выбрал траекторию с более медленным стартом — к примеру, потребовалось немного больше времени для поворота.
Исследователи планируют проводить больше экспериментов на более высоких скоростях и в более сложных условиях, чтобы улучшить свой алгоритм. Они также могут включать полетные данные пилотов-людей, которые дистанционно управляют дронами и чьи решения и маневры могут помочь в достижении еще более быстрых, но все же осуществимых планов полета.
