08.10.2021, 18:49
Исследователи из Цюрихского университета (Швейцария) разработали новый подход к созданию дронов — теперь автономное устройство может летать в неизвестных и сложных условиях на высоких скоростях. Результаты показали, что такие квадрокоптеры способны исследовать местность, пролетая над лесами, зданиями, руинами и поездами при скорости до 40 км/ч, и не врезаясь при этом в препятствия.
Institute of Electrical and Electronics Engineers
Посмотрите, как ловко квадрокоптер уклоняется от препятствий и совершает эффектные маневры — без помощи человека
Швейцарские ученые отмечают, что новый подход может быть полезен в чрезвычайных ситуациях, а также на строительных площадках. Однако обычно для использования автономных дронов необходимо привлечение опытных пилотов для навигации устройства.
В Цюрихском университете совместно с компанией Intel создали алгоритм, который обучает квадрокоптер полетам в реальном мире только с помощью бортовых камер и вычислений. Чтобы добиться этого, ученые использовали самообучающуюся нейронную сеть, которая наблюдала за так называемым «смоделированным экспертом» — алгоритмом, который управляет созданным компьютером дроном в смоделированной среде, полную сложных препятствий. Алгоритм получал полную информацию о состоянии квадрокоптера и показаниях его датчиков, что позволяло ему находить лучшую траекторию. Иными словами, автопилот приобретал навыки в компьютерной «игре», получая изображение с виртуальных камер.
В итоге данные «симулированного эксперта» применили для обучения алгоритма планированию в реальной среде. После обучения система была протестирована.
«В то время как людям требуются годы для обучения, ИИ, используя высокопроизводительные симуляторы, может достичь сопоставимых навигационных способностей намного быстрее, в одночасье», — говорит Антонио Локерчио, аспирант и соавтор исследования.
«Интересно, что эти симуляторы не обязательно должны быть точной копией реального мира. При правильном подходе будет достаточно даже упрощенных вариантов», — добавляет Элия Кауфманн, другой соавтор.
Исследователи объясняют, что тот же подход может быть полезен для повышения производительности автономных автомобилей или даже может открыть дверь к новому способу обучения систем искусственного интеллекта для работы в областях, где сбор данных затруднен или невозможен, например, на других планетах.
