Інженери MIT розробили алгоритм для навчання дронів — вони можуть уникати перешкод на високих швидкостях
Ті, хто стежить за автономними перегонами дронів, напевно пам'ятають більше аварій, ніж перемог. У перегонах дронів команди змагаються, щоб визначити, який пристрій краще підготовлений до польоту смугою перешкод. Однак чим швидше літають дрони, тим нестабільнішими вони стають. На високих швидкостях їхню аеродинаміку складно передбачити. Збої є звичайним явищем.
Якби можна було змусити дрони бути швидшими та маневренішими, їх можна було б використовувати в критичних за часом операціях поза гоночною трасою — наприклад, для пошуку виживших під час стихійного лиха.
Аерокосмічні інженери Массачусетського технологічного інституту (MIT) розробили алгоритм, який допомагає дронам знаходити найшвидший маршрут навколо перешкод без збоїв. Він поєднує моделювання польоту дрона через віртуальну смугу перешкод із даними експериментів реального дрона, що летить тим самим маршрутом у фізичному просторі.
Дослідники виявили, що дрон, навчений за їхнім алгоритмом, пролетів смугу перешкод на 20% швидше, ніж дрон, навчений за звичайними алгоритмами планування. Водночас новий алгоритм не завжди дозволяв дронам випереджати суперників протягом усіх перегонів. Іноді він вирішував сповільнити дрон, щоб пройти складний поворот, або заощадити енергію, щоб прискоритися та зрештою обігнати суперника.
«На високих швидкостях виникає складна аеродинаміка, яку важко змоделювати, тому ми використовуємо експерименти в реальному світі, щоб заповнити ці чорні діри, і з'ясувати, наприклад, що може бути краще спочатку сповільнитися, а потім прискоритися. Саме цей цілісний підхід ми використовуємо, щоб побачити, як можемо зробити траєкторію в цілому якомога швидшою»
За словами доцента кафедри аеронавтики MIT Сертака Караман, такі алгоритми є дуже цінним кроком на шляху до створення дронів майбутнього, які зможуть дуже швидко переміщатися в складних умовах: «Ми дійсно сподіваємося розсунути межі, щоб вони могли подорожувати настільки швидко, наскільки дозволяють їхні фізичні можливості.
Швидкі ефекти
Навчити дронів обминати перешкоди відносно просто, якщо вони мають літати повільно. Це пов'язано з тим, що аеродинаміка, наприклад опір, зазвичай не відіграє великої ролі на низьких швидкостях, і її можна не враховувати під час моделювання поведінки дрона. Але на високих швидкостях такі ефекти значно більш виражені, і набагато складніше передбачити, як пристрої впораються.
Під час швидкого польоту дрону важко оцінити, де він перебуває. Можуть виникати затримки в передачі сигналу на двигун або раптове падіння напруги, які можуть спричинити інші проблеми з динамікою. Ці ефекти не можна змоделювати за допомогою традиційних підходів до планування.
Щоб зрозуміти, як високошвидкісна аеродинаміка впливає на дрони в польоті, дослідникам доводиться проводити численні експерименти в лабораторії, налаштовуючи дрони на різних швидкостях і траєкторіях, щоб побачити, які з них летять швидко й без збоїв — це дорогий і часто такий, що призводить до збоїв, процес.
Натомість команда MIT розробила алгоритм високошвидкісного планування польоту, який поєднує моделювання та експерименти так, щоб мінімізувати кількість експериментів, необхідних для визначення швидких і безпечних траєкторій польоту.
Дослідники почали з фізичної моделі планування польоту, яку вони розробили, щоб спочатку змоделювати поведінку дрона під час польоту через віртуальну смугу перешкод. Вони змоделювали тисячі гоночних сценаріїв, кожен зі своєю траєкторією польоту та швидкістю.
Потім вони позначили, чи був кожен сценарій здійсненним (безпечним) або нездійсненним (таким, що призводить до збою). З цієї таблиці дослідники змогли швидко вибрати кілька перспективних сценаріїв або гоночних траєкторій, щоб випробувати їх у лабораторії.
«Ми можемо провести це моделювання швидко й дешево, щоб побачити цікаві траєкторії, які можуть бути швидкими та реалістичними. Потім ми проводимо експерименти з цими траєкторіями, щоб зрозуміти, які з них справді можливі в реальному світі. Зрештою ми наближаємося до оптимальної траєкторії, яка дає нам найменший можливий час»
Сповільнитися, щоб потім прискоритися
Для демонстрації свого нового підходу дослідники змоделювали безпілотний літальний апарат, що летів простим маршрутом із п'ятьма великими перешкодами квадратної форми, розташованими в шаховому порядку.
Вони встановили ту саму конфігурацію в приміщенні для фізичних тренувань і запрограмували дрон на політ курсом зі швидкостями та траєкторіями, які вони раніше обрали з своїх симуляцій. Вони також провели той самий курс із дроном, навченим за традиційнішим алгоритмом, який не включає експерименти під час планування.
Загалом дрон, навчений за новим алгоритмом, «вигравав» кожні перегони, долаючи трасу за коротший час, ніж звичайно навчений дрон. У деяких сценаріях дрон-переможець завершував перегони на 20% швидше за свого суперника, навіть якщо обрав траєкторію з повільнішим стартом — наприклад, на поворот знадобилося трохи більше часу.
Дослідники планують проводити більше експериментів на вищих швидкостях і в складніших умовах, щоб удосконалити свій алгоритм. Вони також можуть включати дані польотів пілотів-людей, які дистанційно керують дронами і чиї рішення та маневри можуть допомогти досягти ще швидших, але все ж здійсненних планів польоту.
