Attualmente, gli sciami autonomi sono controllati in modo reattivo. Ciò significa che eseguono sempre calcoli in base alla distanza da altri elementi in modo che possano evitare gli ostacoli o l’altro; allo stesso modo, se i droni si allargano troppo, lo rileveranno e si sposteranno di nuovo. Va tutto bene, ma c’è ancora il problema di quanto tempo impiega il drone per eseguire questi calcoli di regolazione al volo. Il nuovo algoritmo di “controllo predittivo” di Soria attivamente lavora per evitare questi rallentamenti con una pianificazione migliore e più efficiente. Con esso, comunicano tra loro per interpretare i dati di acquisizione del movimento in tempo reale per creare previsioni su dove si sposteranno altri droni vicini e regolare le proprie posizioni di conseguenza.
Una volta lei ha installato la finta foresta e ha eseguito la simulazione, ha imparato rapidamente che i droni non si sono schiantati e che non aveva bisogno di investire negli ostacoli più morbidi. Soria osserva: “Sono in grado di vedere avanti nel tempo. Possono prevedere un futuro rallentamento dei loro vicini e ridurne l’effetto negativo sul volo in tempo reale.”
Per questo motivo, Soria è stata in grado di dimostrare che il suo algoritmo permetteva ai droni di muoversi attraverso gli ostacoli 06% più veloce dei droni che utilizzano controlli reattivi invece dell’algoritmo di previsione. Ha notato gli impressionanti risultati in un articolo pubblicato in Nature Machine Intelligence a maggio.
Questo progetto, come molti altri, mira a addestrare veicoli autonomi, è stato ispirato dalla natura. Sì, come banchi di pesci, stormi di uccelli e sciami di api. E ovviamente (almeno in questo momento), la natura è molto più brava di noi. Soria osserva che “i biologi dicono che non esiste un computer centrale”, il che significa che nessun singolo animale o insetto dirige il movimento per il resto del gruppo. Piuttosto, ogni individuo calcola i propri dintorni, come ostacoli e persino altri pesci o uccelli o api, e si muove di conseguenza.
Suwin/Shutterstock.comAnche se il concetto di predittivo il controllo è una novità per i droni, è una vecchia idea. In precedenza, gli scienziati hanno utilizzato il modello per navigare in aree e sistemi per due veicoli che si muovono lungo traiettorie predefinite. Il controllo predittivo si basa su più calcoli in tempo reale e, se l’algoritmo che lo esegue non è elegante, potrebbe massimizzare le capacità computazionali di ciascun drone. Con tante variabili come velocità e distanza in gioco, anche l’algoritmo deve essere attentamente e accuratamente pensato. È necessario includere parametri di base come la distanza minima consentita tra i droni, per evitare collisioni tra droni, ma cose più complesse come le zone interdette al volo e la mappatura efficiente del percorso alle velocità desiderate devono essere in grado di calcolare al volo senza inceppamenti tutto su.
Come questi algoritmi ottengono di più definito e, quindi, più potente, sarà più facile per loro svolgere una più ampia varietà di compiti che sono difficili o inefficienti da svolgere per gli esseri umani, come consegne coordinate in grandi aree metropolitane o missioni di ricerca e soccorso aerea. Ma così com’è, l’algoritmo di Soria è un enorme passo avanti per il genere dei droni. via Cablato
