Безпилотните летателни апарати (БЛА), известни като дронове, се използват масово за различни цели – от заснемане на филми и въздушна фотография до индустриални инспекции, прецизно земеделие и достигане до затруднени зони по време на мисии за реагиране при извънредни ситуации. Тяхното усъвършенстване е постоянен процес.
Докато много съществуващи дронове могат да се движат бързо и да заобикалят големи препятствия, повечето все още се затрудняват в претрупана обстановка. Освен това често не са в състояние да изпълняват маневри, които биха им позволили безопасно да преминат през малки пролуки или да достигнат уединени места. Но вече не е така.
Изследователи от университета Джъдзян наскоро разработиха нови стратегии за управление, които биха могли да подобрят способността на дроновете да извършват прецизно сложни маневри и да преминават през изключително тесни отвори.
Тези политики, представени в специализираното издание Science Robotics, са обучени да преобразуват информацията, събрана от бордовите сензори, в моторни команди, използвайки подход за машинно обучение, известен като обучение с подсилване или подсилващо обучение (RL).
Сензомоторните политики, разработени от Ву, Сю и техните колеги, са обучени с помощта на RL – процес на обучение чрез проба и грешка, чрез който агентите биват възнаграждавани, когато правят точни прогнози или успешно изпълняват задачи.
Политиките преобразуват изображения, заснети от бордови камери, и измервания, събрани вътре в дрона (като неговата ориентация, ъглови скорости и ускорение), в двигателни команди.
Изследователите са оценили новоразработените си политики както в симулации, така и в реални експерименти. Те откриват, че политиките успешно позволяват на дроновете да преминават през правоъгълни пролуки и пролуки с други форми, наклонени под различни ъгли.
Забележително е, че дроновете също така успяват да преминават през движещи се пролуки и цели трасета, състоящи се от много последователни, тясно разположени отвори.
„Внимателното проектиране, подобно на реалността, позволи на политиката да контролира квадротор през тесни пролуки с висока повторяемост“, пишат Ву, Сю и техните колеги.
„Например, предложеният метод позволи на квадротор да се движи през правоъгълна междина с 5-сантиметров просвет, наклонен с ориентация до 90°, без да са известни позицията или ориентацията на междината. Без обучение за динамични междини, политиката може реактивно да управлява квадротора, за да преминава през движеща се междина“, поясняват учените.
Това проучване на Ву, Сю и техните колеги може да вдъхнови други компютърни учени да разработят подобни сензомоторни политики, които позволяват на дроновете безопасно да се движат в трудни, динамични и претрупани среди.
Междувременно нововъведените стратегии за контрол на екипа биха могли да бъдат допълнително усъвършенствани и приложени към други сценарии, с които съществуващите дронове се борят.
