Den genomsnittliga personen har förmodligen inte tänkt mycket på det, men det finns faktiskt massor av fantastiska applikationer för en svärm av drönare. Från praktiska operationer som sprutning av grödor till en livlig ljusshow är himlen verkligen gränsen. Men först måste vi lära dem att inte krascha i varandra.
Enrica Soria, en matematisk ingenjör och doktorand i robotik från Swiss Federal Institute of Technology Lausanne (EPFL), bryr sig också om denna fråga. Hon byggde en datormodell som framgångsrikt kunde simulera banorna för fem autonoma drönare som flyger genom en tjock skog utan en enda kollision. Hon insåg emellertid att för att testa detta i den verkliga världen måste hon övervinna ett överraskande hinder: träd.
Droner, särskilt de avancerade fyrkoptrarna hon ville använda, är dyra och att offra några av dem under testet var inte exakt ideal. Så Soria skapade en falsk skog med mjuka träd, som faktiskt bara var några hopfällbara lektunnlar från Ikea. Soria sa att & # 8220; Även om drönarna kolliderar i dem, kommer de inte att bryta. & # 8221;
Förutom att stoppa förstörelsen av dyra drönare (eller oskyldiga träd) har experimentet dock större konsekvenser. Eftersom autonoma dronsvärmar blir mer och mer vanliga inom alla typer av industrier och i så många applikationer, behöver mer utbildning behövas för att säkerställa att dessa drönare inte kolliderar med varandra (eller med människor eller privat egendom) när de & # 39; 8217; är ute på jobbet. Ett pålitligt styrsystem, som Soria, är ett nödvändigt och viktigt steg.
För närvarande styrs autonoma svärmar reaktivt. Detta innebär att de alltid kör beräkningar baserat på avstånd från andra objekt så att de kan undvika hinder eller varandra; På samma sätt, om drönarna blir för spridda, kommer de att upptäcka det och flytta in igen. Det är allt bra och bra, men det är fortfarande frågan om hur lång tid det tar drönaren att utföra dessa justeringsberäkningar i farten.
Soria är ny & # 8220; förutsägbar kontroll & # 8221; algoritmen arbetar aktivt för att undvika dessa avmattningar med bättre och effektivare planering. Med den kommunicerar de med varandra för att tolka rörelseinspelningsdata i realtid för att skapa förutsägelser av var andra närliggande drönare kommer att röra sig och justera sina egna positioner därefter.
EPFL När hon väl satt upp den falska skogen och körde simuleringen fick hon snabbt reda på att drönarna inte kraschade och att hon inte behövde investera i de mjukare hindren. Soria noterar, & # 8220; De kan se framåt i tid. De kan förutse en framtida avmattning av sina grannar och minska den negativa effekten av detta på flygningen i realtid. & # 8221;
På grund av detta kunde Soria bevisa att hennes algoritm tillät drönare att röra sig genom hinder 57% snabbare än drönare med hjälp av reaktiva kontroller istället för förutsägelsealgoritmen. Hon noterade de imponerande resultaten i en artikel som publicerades i Nature Machine Intelligence i maj.
Detta projekt, som många andra som är utformade för att utbilda autonoma fordon, inspirerades av naturen. Yep, som skolor av fisk, flockar av fåglar och svärmar av bin. Och naturligtvis (åtminstone just nu) är naturen mycket bättre på det än vi är. Soria konstaterar att & # 8220; biologer säger att det inte finns någon central dator, & # 8221; vilket innebär att inget enskilt djur eller insekt riktar rörelse för resten av gruppen. Snarare beräknar varje individ sin omgivning & # 8212; som hinder och till och med andra fiskar eller fåglar eller bin & # 8212; och rör sig därefter.
Suwin/Shutterstock.com Även om begreppet prediktiv kontroll är en första för drönare, är det en gammal idé. Tidigare har forskare använt modellen för att navigera i områden och system för två fordon som rör sig längs fördefinierade banor. Prediktiv kontroll är beroende av flera realtidsberäkningar, och om algoritmen som körs inte är elegant kan den maximera varje drons beräkningskapacitet.
Med så många variabler som hastighet och distans i spel måste algoritmen också noggrant och noggrant genomtänktas. Grundläggande parametrar som det minsta tillåtna avståndet mellan drönare måste inkluderas, för att undvika drönare-på-drönare-kollisioner, men mer komplexa saker som flygfria zoner och effektiv kartläggning av vägen vid önskade hastigheter måste kunna beräkna i farten utan att fastna allt upp.
Eftersom dessa algoritmer blir mer definierade och därmed kraftigare blir det lättare för dem att utföra ett större antal uppgifter som är tuffa eller ineffektiva för människor att utföra, som samordnade leveranser i stora tunnelbanor eller flyg- och räddningsuppdrag. Men som det är är Sorias algoritm ett stort steg framåt för dronekind.
via Wired