Szkolenie dronów w celu bezpiecznej nawigacji
Co jeśli drony i roboty mogłyby bezpiecznie poruszać zatłoczone środowiska bez skomplikowanego planowania ścieżki?Dowiedz się, jak nowa metoda skaluje się od kilku agentów do tysięcy.
Inżynierowie MIT opracowali metodę szkolenia dla systemów wieloagentowych, która zapewnia bezpieczne działanie w zatłoczonych środowiskach.Wyuczone marginesy bezpieczeństwa i elementy sterujące mogą automatycznie skalować większe grupy, szkoląc kilku agentów, utrzymując ogólne bezpieczeństwo systemu.W testach rzeczywistych drony wielkości palmy pomyślnie zmieniły pozycje w połowie władzy i wylądowały na poruszających się pojazdach.Symulacje potwierdziły, że to samo szkolenie, zastosowane do kilku dronów, można rozszerzyć na tysiące, umożliwiając koordynowane operacje na dużą skalę przy jednoczesnym zapewnieniu bezpieczeństwa.
Marginesa Mall
Zespół MIT opracował metodę szkolenia kilku agentów do bezpiecznego manewrowania w sposób, który skutecznie skaluje się do większych systemów.Zamiast planować określone ścieżki dla każdego środka, metoda umożliwia im ciągłe mapowanie marginesów bezpieczeństwa - stroje, które określają bezpieczną działanie.Agenci mogą następnie podjąć różne ścieżki do wykonania zadań, o ile pozostają w tych marginesach.Naukowcy porównują to podejście do tego, jak ludzie intuicyjnie poruszają się w otoczeniu.
Bariera bezpieczeństwa
W swoim badaniu zespół MIT wprowadził GCBF+ (funkcja bariery kontroli wykresu), metodę zapewnienia bezpiecznej nawigacji w systemach wieloagentowych.Funkcja barierowa określa granicę bezpieczeństwa, po której agent ryzykuje staje się niebezpieczny, a ta granica zmienia się dynamicznie w miarę poruszania się i interakcji agenci.Tradycyjne podejścia wymagają obliczania stref bezpieczeństwa dla każdego agenta w stosunku do wszystkich innych, które mogą być złożone obliczeniowo.GCBF+ upraszcza to poprzez obliczenie stref bezpieczeństwa tylko dla niewielkiego podzbioru agentów, dokładnie reprezentując zachowanie większego systemu.Metoda rozważa promień wykrywania agenta - ile jego otoczenia może obserwować - i wykorzystuje symulacje do opracowania kontrolera, który prowadzi agentów, zachowując bezpieczeństwo.
Zespół przetestował GCBF+ przy użyciu ośmiu szalonych kwiatów, małych dronów kwadrotorowych, które z powodzeniem dostosowały swoje ścieżki w czasie rzeczywistym do zmiany pozycji w powietrzu bez kolizji.Drony unikały się nawzajem, ciągle mapując swoje strefy bezpieczeństwa i dokonując niezbędnych korekt kursu.W innym teście dronów miały za zadanie lądować na poruszających się żółwi, robotach jeżdżących w okręgu.Pomimo ciągłego ruchu Crazyflies koordynował ich lądowanie, unikając kolizji, wykazując skuteczność metody w środowiskach dynamicznych.