Der durchschnittliche Mensch hat wahrscheinlich nicht viel darüber nachgedacht, aber es gibt tatsächlich jede Menge fantastischer Anwendungen für einen Drohnenschwarm. Von praktischen Einsätzen wie Pflanzenspritzen bis hin zu einer lebendigen Lichtshow sind dem Himmel keine Grenzen gesetzt. Aber zuerst müssen wir ihnen beibringen, nicht zusammenzustoßen.
Auch Enrica Soria, Mathematik-Ingenieurin und Robotik-Doktorandin der Eidgenössischen Technischen Hochschule Lausanne (EPFL), kümmert sich um dieses Thema. Sie baute ein Computermodell, das die Flugbahnen von fünf autonomen Drohnen, die ohne eine einzige Kollision durch einen dichten Wald fliegen, erfolgreich simulieren konnte. Sie erkannte jedoch, dass sie, um dies in der realen Welt zu testen, ein überraschendes Hindernis überwinden musste: Bäume.
Drohnen, insbesondere die höherwertigen Quadrocopter, die sie verwenden wollte, sind teuer, und es war nicht gerade ideal, einige davon während des Tests zu opfern. Also schuf Soria einen falschen Wald mit weichen Bäumen, die eigentlich nur ein paar zusammenklappbare Spieltunnel von Ikea waren. Soria sagte: “Selbst wenn die Drohnen auf sie prallen, werden sie nicht brechen.”
Abgesehen davon, dass die Zerstörung kostspieliger Drohnen (oder unschuldiger Bäume) gestoppt wird, hat das Experiment jedoch größere Auswirkungen. Da autonome Drohnenschwärme in allen möglichen Branchen und bei so vielen Anwendungen immer häufiger vorkommen, muss mehr trainiert werden, um sicherzustellen, dass diese Drohnen nicht miteinander (oder mit Personen oder Privateigentum) kollidieren, wenn sie 8217;re heraus auf der Arbeit. Ein zuverlässiges Kontrollsystem wie das von Soria ist ein notwendiger und wichtiger Schritt.
Aktuell werden autonome Schwärme reaktiv kontrolliert. Dies bedeutet, dass sie immer Berechnungen basierend auf der Entfernung zu anderen Gegenständen ausführen, damit sie Hindernissen oder einander ausweichen können. ebenso, wenn die Drohnen zu weit verteilt sind, werden sie dies erkennen und wieder einrücken. Das ist alles in Ordnung und gut, aber es stellt sich immer noch die Frage, wie lange die Drohne braucht, um diese Anpassungsberechnungen im laufenden Betrieb durchzuführen.
Sorias neue “Predictive Control” Algorithmus arbeitet aktiv daran, diese Verlangsamungen durch eine bessere und effizientere Planung zu vermeiden. Damit kommunizieren sie miteinander, um Motion-Capture-Daten in Echtzeit zu interpretieren, um Vorhersagen darüber zu erstellen, wohin sich andere Drohnen in der Nähe bewegen und ihre eigenen Positionen entsprechend anpassen.
EPFLNachdem sie den Fake Forest eingerichtet und die Simulation ausgeführt hatte, erfuhr sie schnell, dass die Drohnen nicht abstürzten und sie nicht in die weicheren Hindernisse investieren musste. Soria bemerkt: “Sie können die Zeit voraussehen. Sie können eine zukünftige Verlangsamung ihrer Nachbarn vorhersehen und deren negative Auswirkungen auf den Flug in Echtzeit reduzieren.”
Aus diesem Grund konnte Soria beweisen, dass ihr Algorithmus es den Drohnen ermöglicht, sich 57 % schneller durch Hindernisse zu bewegen als Drohnen, die reaktive Steuerungen anstelle des Vorhersagealgorithmus verwenden. Sie bemerkte die beeindruckenden Ergebnisse in einem Artikel, der im Mai in Nature Machine Intelligence veröffentlicht wurde.
Dieses Projekt wurde, wie viele andere zum Trainieren autonomer Fahrzeuge, von der Natur inspiriert. Ja, wie Fischschwärme, Vogelschwärme und Bienenschwärme. Und natürlich (zumindest im Moment) kann die Natur das viel besser als wir. Soria stellt fest, dass “Biologen sagen, es gibt keinen zentralen Computer” Das heißt, kein einzelnes Tier oder Insekt lenkt die Bewegung für den Rest der Gruppe. Vielmehr berechnet jedes Individuum seine eigene Umgebung—wie Hindernisse und sogar andere Fische oder Vögel oder Bienen—und bewegt sich entsprechend.
Suwin/Shutterstock.comObwohl das Konzept der prädiktiven Steuerung eine Premiere für Drohnen ist, ist es eine alte Idee. Zuvor haben Wissenschaftler das Modell verwendet, um Bereiche und Systeme für zwei Fahrzeuge zu navigieren, die sich entlang vordefinierter Trajektorien bewegen. Die prädiktive Steuerung basiert auf mehreren Echtzeitberechnungen, und wenn der Algorithmus, der sie ausführt, nicht elegant ist, könnte sie die Rechenkapazitäten jeder Drohne maximieren.
Bei so vielen Variablen wie Geschwindigkeit und Distanz muss auch der Algorithmus sorgfältig und gründlich durchdacht werden. Grundlegende Parameter wie der zulässige Mindestabstand zwischen Drohnen müssen berücksichtigt werden, um Drohnen-auf-Drohnen-Kollisionen zu vermeiden, aber komplexere Dinge wie Flugverbotszonen und effiziente Pfadkartierung bei gewünschten Geschwindigkeiten müssen in der Lage sein, im laufenden Betrieb ohne Störung zu berechnen alles in Ordnung.
Wenn diese Algorithmen definierter und damit leistungsfähiger werden, wird es für sie einfacher, eine breitere Palette von Aufgaben auszuführen, die für Menschen schwierig oder ineffizient sind, wie z. B. koordinierte Lieferungen in großen Ballungsräumen oder bei Such- und Rettungseinsätzen aus der Luft. Aber so wie es ist, ist der Algorithmus von Soria ein großer Fortschritt für die Drohnenart.
über Wired