KotiUutisetKoulutus drooneja turvalliseen navigointiin

Koulutus drooneja turvalliseen navigointiin



Entä jos droonit ja robotit voisivat navigoida tungosta ympäristöissä turvallisesti ilman monimutkaista polun suunnittelua?Opi kuinka uusi menetelmä asteikoi muutamasta edustajasta tuhansiin.

MIT -insinöörit ovat kehittäneet koulutusmenetelmän monengenttijärjestelmille, jotka takaavat turvallisen toiminnan tungosta ympäristöissä.Opetut turvamarginaalit ja hallintalaitteet voivat skaalata automaattisesti suurempiin ryhmiin kouluttamalla muutamaa edustajaa ylläpitäen järjestelmän yleistä turvallisuutta.Reaalimaailman testeissä kämmenkokoiset droonit vaihtoivat menestyksekkäästi asennot keskuksen puolivälissä ja laskeutuivat liikkuville ajoneuvoille.Simulaatiot vahvistivat, että sama koulutus, jota sovelletaan muutamaan drooniin, voitaisiin laajentaa tuhansiin, mikä mahdollistaa laajamittaisen koordinoitujen toimintojen varmistaen samalla turvallisuuden.

Ostoskeskuksen marginaalit
MIT -tiimi on kehittänyt menetelmän muutaman edustajan kouluttamiseksi liikkumaan turvallisesti tavalla, joka asteikoi tehokkaasti suurempiin järjestelmiin.Sen sijaan, että suunnitellaan tiettyjä polkuja jokaiselle edustajalle, menetelmä antaa heille mahdollisuuden jatkuvasti kartoittaa turvallisuusmarginaalit - rajat, jotka määrittelevät turvallisen toiminnan.Agentit voivat sitten kulkea erilaisia ​​polkuja tehtävien suorittamiseksi niin kauan kuin ne pysyvät näiden marginaalien sisällä.Tutkijat vertailevat tätä lähestymistapaa siihen, kuinka ihmiset liikkuvat intuitiivisesti ympäristössään.


Turvaesine
MIT -tiimi on tutkimuksessaan ottanut käyttöön GCBF+: n (kuvaajanohjausesteen toiminto), menetelmän turvallisen navigoinnin varmistamiseksi moniagenttijärjestelmissä.Estefunktio määrittelee turvallisuusrajan, jonka yli agentti vaarantuu vaaralliseksi, ja tämä raja muuttuu dynaamisesti agenttien liikkuessa ja vuorovaikutuksessa.Perinteiset lähestymistavat vaativat turvallisuusvyöhykkeiden laskemista jokaiselle aineelle suhteessa kaikkiin muihin, jotka voivat olla laskennallisesti monimutkaisia.GCBF+ yksinkertaistaa tätä laskemalla turvallisuusvyöhykkeet vain pienelle osajoukolle agentteja, edustaen tarkasti suuremman järjestelmän käyttäytymistä.Menetelmä harkitsee agentin havaitsemissädettä - kuinka suuri osa sen ympäristöstä se voi havaita - ja käyttää simulaatioita kehittämään ohjainta, joka ohjaa agentteja säilyttäen turvallisuutta.

Ryhmä testasi GCBF+: ta käyttämällä kahdeksan hullua, pieniä kvadrotorisia drooneja, jotka säätivät onnistuneesti reaaliaikaisia ​​polkujaan vaihtaakseen paikkoja midairia ilman törmäyksiä.Droonit välttivät toisiaan kartoittamalla jatkuvasti turvavyöhykkeitään ja tekemällä tarvittavat kurssikorjaukset.Toisessa testissä drooneille annettiin tehtäväksi laskeutua liikkuvalle kilpikonnat, pyörätetyt robotit, jotka ajoivat ympyrässä.Jatkuvasta liikkeestä huolimatta Crazyflies koordinoi laskeutumistaan ​​välttäen törmäyksiä osoittaen menetelmän tehokkuuden dynaamisissa ympäristöissä.