Учёные Цюрихского университета разработали новый подход к автономному управлению полётом беспилотников на высоких скоростях в незнакомых условиях с многочисленными препятствиями, используя исключительно локальные сенсоры и обработку информации мощностями самих дронов. Технология может оказаться полезной в чрезвычайных ситуациях, на строительных площадках и в работе служб безопасности.
Когда возникает необходимость произвести разведку на сложной незнакомой местности, например, в лесах, зданиях или пещерах, дроны представляют собой идеальный инструмент. Они быстро передвигаются, обладают высокой манёвренностью и способны переносить полезную нагрузку. Однако в автономном режиме они не смогут найти дорогу без карты, и для раскрытия потенциала беспилотников необходимы операторы.
Решение предложила группа учёных Цюрихского университета под руководством Давида Скарамуццы (Davide Scaramuzza). Они обучили автономные квадрокоптеры летать по ранее неразведанной местности в лесах, зданиях, поездах или среди руин — при этом дроны достигают скорости до 40 км/ч, не врезаясь в деревья, стены и другие препятствия. Результат достигается только за счёт бортовых камер и компьютеров.
В основе решения лежат алгоритмы искусственного интеллекта. Нейросеть обучилась управлению дроном, наблюдая за работой «симулированного эксперта» — алгоритма, который управлял виртуальным дроном в смоделированной среде, наполненной большим числом различных препятствий. Алгоритм располагал полной информацией о состоянии квадрокоптера и показаниях его сенсоров, а также имел достаточный запас времени и вычислительной мощности для построения оптимальной траектории.
Вне симуляции этот «эксперт» применяться не мог, однако его данные использовались для обучения искусственного интеллекта. Это решение имеет значительные преимущества перед существующими системами, которые сначала на основе сенсоров составляют карту окружающей местности, а затем строят траекторию по этим данным — два лишних шага занимают слишком много времени и делают невозможным полёт на высоких скоростях. После обучения система была протестирована в реальном мире, где она успешно смогла управлять машиной в различных условиях, избегая столкновений на скорости до 40 км/ч.
Авторы проекта уточняют, что сфера практического применения результатов их работы не ограничивается квадрокоптерами. Этот же подход может быть полезен для повышения производительности систем автопилота на автотранспорте; более того, данные принципы можно использовать для обучения систем искусственного интеллекта в любых областях, где сбор данных затруднён или вообще невозможен — например, на других планетах.
В перспективе авторы проекта собираются усовершенствовать систему пилотирования на основе её работы в реальных условиях, а сенсоры повышенной мощности, способные быстрее собирать большие объёмы данных, позволят дронам безопасно летать на скоростях выше 40 км/ч.
