Droni – izstrādāts speciāls algoritms šķēršļu pārvarēšanai

Droni ir apmācīti, lai atrastu ātrāko trasi ap šķēršļu kursu, neavarējot, pateicoties MIT inženieru izstrādātam algoritmam. Algoritms tika izstrādāts, izmantojot drona simulācijas, kas lido pa virtuālu šķēršļu kursu, kopā ar datiem, kas ņemti no īsta drona eksperimentiem, kas pa to pašu kursu lidinās fiziskā telpā.

Droni

Droni – īpašs algoritms

Pētnieki atklāja, ka drons, kas apmācīts ar savu algoritmu, lidoja pa vienkāršu šķēršļu kursu, līdz pat 20 procentiem ātrāk nekā drons, kas apmācīts parastajos plānošanas algoritmos. Jaunais algoritms ne vienmēr noturējās  priekšā konkurentam, jo dažreiz tas izvēlējās taupīt enerģiju, palēninot ātrumu, bet galu galā tas pārspēja savu sāncenci.

Lielos ātrumos ir sarežģīta aerodinamika, ko ir grūti simulēt, tāpēc mēs izmantojam eksperimentus reālajā pasaulē, lai aizpildītu šos melnos caurumus, piemēram, lai atrastu, ka labāk būtu piebremzēt vispirms, lai vēlāk būtu ātrāk,” teica pētnieks Ezra Tāls. “Tā ir visslabākā  pieeja, ko mēs izmantojam, lai redzētu, kā mēs kopumā varam veidot trajektoriju pēc iespējas ātrāk.”Ir diezgan vienkārši apmācīt lidotājus, lai lidotu ap šķēršļiem, ja viņiem ir paredzēts lidot lēni, norāda pētnieki. Tas ir tāpēc, ka aerodinamika, piemēram, vilkšana, parasti nesākas ar mazu ātrumu, un tāpēc  to var neņemt vērā, modelējot drona uzvedību.Pētnieki izstrādāja ātrgaitas lidojumu plānošanas algoritmu, kurā apvienotas simulācijas un reālpasaules izmēģinājumi tādā veidā, kas samazina ātro un drošo lidojumu ceļu identificēšanai nepieciešamo eksperimentu skaitu.

Viņi sāka ar fizikā balstītu lidojumu plānošanas modeli, kuru viņi izstrādāja, lai vispirms modelētu, kā droni  iespējams  uzvedīsies, lidojot pa virtuālu šķēršļu kursu. Viņi simulēja tūkstošiem sacīkšu scenāriju, katrs ar atšķirīgu trajektoriju un ātrumu.Pēc tam viņi iezīmēja, vai katrs scenārijs ir iespējams, vai arī tā rezultātā notika avārija.Lai demonstrētu pieeju, tika radīta drona imitācija, kas lido pa vienkāršu kursu ar pieciem lieliem kvadrātveida šķēršļiem, kas izkārtoti zigzagveida konfigurācijā. Pēc tam šī iekārta tika pavairota fiziskās sagatavotības telpā, un tika ieprogrammēta dronā, lai lidotu cauri kursam ar ātrumiem un trajektorijām, kas iepriekš bija izņemtas no simulācijām.

Pētnieki arī vadīja to pašu kursu ar dronu, kas bija apmācīts uz tradicionālāku algoritmu, kas savā plānošanā neiekļauj eksperimentus. Kopumā ar jauno algoritmu trenētais drons “uzvarēja” katrā sacīkstē, kursu pabeidzot īsākā laikā nekā parasti trenētais drons.Dažos scenārijos uzvarējušais drons pabeidza kursu par 20 procentiem ātrāk par savu konkurentu, kaut arī tas aizņēma trajektoriju ar lēnāku startu. Šāda veida smalko korekciju nepieņēma ierasti apmācītais drons, iespējams, tāpēc, ka tā trajektorijas, pamatojoties tikai uz simulācijām, nevarēja pilnībā pamatot aerodinamisko iedarbību, ko komandas eksperimenti atklāja reālajā pasaulē.