Исследователи из Цюрихского университета разработали новый подход, который позволяет автономным квадрокоптерам летать на высокой скорости через неизвестные, беспорядочные среды. Это делается исключительно с помощью датчиков и расчетов на борту беспилотника. В случае несчастных случаев, катастроф или на строительных площадках эта новинка может спасти жизни.
Когда дело доходит до изучения сложных и неизвестных сред, таких как леса, здания или пещеры, дроны вряд ли можно победить. Они быстрые, маневренные и маленькие, переносят полезные нагрузки и перемещаются практически в любом месте с помощью датчиков. Но без карты автономные беспилотники до сих пор вряд ли могут справиться. Чтобы реализовать свой потенциал, в настоящее время все еще нужны опытные пилоты-люди.
Автономный беспилотник самостоятельно перемещается по лесу со скоростью 40 км/ч.
«При маневрировании беспилотника необходимо понимать окружающую среду за доли секунды, чтобы быстро направить беспилотник на траектории без столкновений», — говорит Давиде Скарамуцца, который возглавляет группу робототехники и восприятия в Цюрихском университете. «Это очень сложно как для людей, так и для машин. Опытные пилоты могут достичь этого уровня после многолетних тренировок. Но машины все еще с этим сталкиваются»»
Обучение алгоритму с помощью моделирования
В недавнем исследовании Скарамуцца и его команда обучили автономный квадрокоптер летать со скоростью до 40 километров в час через ранее неизвестные среды, такие как леса, здания, руины или поезда, не сталкиваясь с деревьями, стенами или другими препятствиями. При этом беспилотник опирается только на встроенные камеры и расчеты квадрокоптера.
Нейронная сеть беспилотника — так сказать, ваш мозг-учится обходить препятствия, наблюдая за своего рода моделируемым учителем: алгоритмом, который управлял компьютеризированным беспилотником через моделируемую среду, полную сложных препятствий. Алгоритм всегда был в курсе положения квадротора и показаний его датчиков и обладал достаточным временем и вычислительной мощностью, чтобы рассчитать наилучшую траекторию за доли секунды.
Даже в негостеприимных условиях беспилотник находит свой путь автономно.
Хотя этот смоделированный учитель не может быть использован вне моделирования, его данные используются для обучения нейронной сети тому, как предсказать наилучшую траекторию на основе данных, передаваемых датчиками. Это большое преимущество перед существующими системами, которые сначала создают карту окружающей среды на основе данных датчиков, а затем планируют траектории внутри этой карты – два шага, которые занимают много времени и делают почти невозможным полет на высокой скорости.
Exakte копия реального мира не нужна
После обучения симуляции система была развернута непосредственно на открытом воздухе, где автономный беспилотник мог летать со скоростью до 40 километров в час в различных средах без столкновений. «В то время как людям требуются годы для обучения, искусственный интеллект может достичь сопоставимых навигационных навыков намного быстрее, почти в одночасье, с помощью мощных симуляторов», — говорит Антонио Локерсио, соавтор статьи. «Интересно, что эти симуляторы не обязательно должны быть точной копией реального мира. При правильном подходе достаточно даже простого моделирования»,-добавляет Элия Кауфманн, также соавтор.
Приложения системы не ограничиваются только квадрокоптерами: по мнению исследователей, тот же подход может быть полезен, например, для повышения производительности автономных автомобилей или даже для обучения систем искусственного интеллекта в областях, где сбор данных затруднен или невозможен.
На следующем этапе планируется улучшить систему и разработать более быстрые датчики, которые будут предоставлять больше информации об окружающей среде за меньшее время, чтобы беспилотник мог безопасно летать даже на скорости более 40 километров в час.
Источник: SENIOR WEB
