La moyenne La personne n'y a probablement pas beaucoup réfléchi, mais il existe en fait des tonnes d'applications fantastiques pour un essaim de drones. Des opérations pratiques comme la pulvérisation des cultures à un spectacle de lumière animé, le ciel est certainement la limite. Mais d'abord, nous devons leur apprendre à ne pas s'écraser les uns contre les autres.
Enrica Soria, ingénieure mathématique et doctorante en robotique à l'Ecole polytechnique fédérale de Lausanne (EPFL), s'intéresse également à cette question. Elle a construit un modèle informatique capable de simuler avec succès les trajectoires de cinq drones autonomes volant à travers une forêt épaisse sans une seule collision. Cependant, elle s'est rendu compte que pour tester cela dans le monde réel, elle devait surmonter un obstacle surprenant : les arbres.
Les drones, en particulier les quadricoptères haut de gamme qu'elle souhaitait utiliser, sont chers et en sacrifier quelques-uns pendant le test n'était pas exactement l'idéal. Soria a donc créé une fausse forêt avec des arbres mous, qui n'étaient en fait que des tunnels de jeu pliables d'Ikea. Soria a déclaré que “Même si les drones s'écrasent sur eux, ils ne se briseront pas.”
Au-delà de l'arrêt de la destruction de drones coûteux (ou d'arbres innocents), cependant, l'expérience a des implications plus importantes. Alors que les essaims de drones autonomes deviennent de plus en plus courants dans toutes sortes d'industries et dans de nombreuses applications, il faut davantage de formation pour s'assurer que ces drones n'entrent pas en collision (ou avec des personnes ou des biens privés) lorsqu'ils 8217 ; êtes au travail. Un système de contrôle fiable, comme celui de Soria, est une étape nécessaire et importante.
Actuellement, les essaims autonomes sont contrôlés de manière réactive. Cela signifie qu'ils effectuent toujours des calculs basés sur la distance par rapport aux autres éléments afin qu'ils puissent éviter les obstacles ou les uns les autres ; de même, si les drones sont trop dispersés, ils le détecteront et se déplaceront à nouveau. C'est très bien, mais il y a toujours le problème du temps qu'il faut au drone pour effectuer ces calculs de réglage à la volée.
Le nouveau “contrôle prédictif” L'algorithme travaille activement pour éviter ces ralentissements avec une planification meilleure et plus efficace. Avec lui, ils communiquent entre eux pour interpréter les données de capture de mouvement en temps réel afin de créer des prédictions sur l'endroit où les autres drones à proximité se déplaceront et ajusteront leurs propres positions en conséquence.
EPFLUne fois qu'elle a configuré la fausse forêt et exécuté la simulation, elle a rapidement appris que les drones ne s'écrasaient pas et qu'elle n'avait pas besoin d'investir dans les obstacles les plus doux. Soria note : « Ils sont capables de voir à l'avance. Ils peuvent prévoir un ralentissement futur de leurs voisins et en réduire l'effet négatif sur le vol en temps réel.”
Pour cette raison, Soria a pu prouver que son algorithme permettait aux drones de franchir les obstacles 57% plus rapidement que les drones utilisant des commandes réactives au lieu de l'algorithme de prédiction. Elle a noté les résultats impressionnants dans un article publié dans Nature Machine Intelligence en mai.
Ce projet, comme beaucoup d'autres destinés à former des véhicules autonomes, s'est inspiré de la nature. Oui, comme des bancs de poissons, des volées d'oiseaux et des essaims d'abeilles. Et bien sûr (au moins en ce moment), la nature est bien meilleure que nous. Soria note que “les biologistes disent qu'il n'y a pas d'ordinateur central”, ce qui signifie qu'aucun animal ou insecte ne dirige le mouvement du reste du groupe. Au contraire, chaque individu calcule son propre environnement comme des obstacles et même d'autres poissons, oiseaux ou abeilles et se déplace en conséquence.
Suwin/Shutterstock.comBien que le concept de contrôle prédictif soit une première pour les drones, c'est une vieille idée. Auparavant, les scientifiques utilisaient le modèle pour naviguer dans des zones et des systèmes pour deux véhicules se déplaçant le long de trajectoires prédéfinies. Le contrôle prédictif repose sur plusieurs calculs en temps réel, et si l'algorithme qui l'exécute n'est pas élégant, il pourrait maximiser les capacités de calcul de chaque drone.
Avec autant de variables comme la vitesse et la distance en jeu, l'algorithme doit également être soigneusement et soigneusement pensé. Des paramètres de base tels que la distance minimale autorisée entre les drones doivent être inclus, pour éviter les collisions drone-sur-drone, mais des choses plus complexes comme les zones d'exclusion aérienne et la cartographie efficace des voies aux vitesses souhaitées doivent pouvoir calculer à la volée sans brouillage tout est en place.
Au fur et à mesure que ces algorithmes deviennent plus définis et, par conséquent, plus puissants, il leur sera plus facile d'effectuer une plus grande variété de tâches difficiles ou inefficaces pour les humains, comme des livraisons coordonnées dans les grandes zones métropolitaines ou les missions aériennes de recherche et de sauvetage. Mais tel qu'il est, l'algorithme de Soria est un énorme pas en avant pour les drones.
via Wired