Чтобы обеспечить безопасную, своевременную и точную доставку, дронам необходимо иметь дело с некоторой степенью неопределенности при реагировании на такие факторы, как сильный ветер, ошибки измерения датчиков или падение топлива. Но такое планирование «что, если» обычно требует массивных вычислений, которые может быть трудно выполнить на лету.Теперь исследователи Массачусетского технологического института разработали двусторонний подход, который значительно сокращает объем вычислений, связанных с длительными миссиями по доставке. Команда сначала разработала алгоритм, который позволяет дрону отслеживать аспекты своего «здоровья» в режиме реального времени.
С помощью этого алгоритма дрон может прогнозировать уровень топлива и состояние пропеллеров, камер и других датчиков на протяжении всей миссии, а также принимать упреждающие меры — например, перенаправлять на зарядную станцию - при необходимости.Исследователи также разработали метод, позволяющий дрону эффективно вычислять его возможное будущее местоположение в автономном режиме, прежде чем он взлетит. Этот метод упрощает все возможные маршруты, по которым дрон может добраться до пункта назначения, не сталкиваясь с препятствиями.При моделировании, включающем несколько доставок в различных условиях окружающей среды, исследователи обнаружили, что их дроны доставляют столько же пакетов, сколько и те, в которых отсутствуют алгоритмы мониторинга состояния, но с гораздо меньшим количеством отказов или поломок.
«Что-то вроде доставки посылок, которая должна выполняться постоянно в течение нескольких часов, вы должны учитывать работоспособность системы», — говорит Али-Акбар Ага-Мохаммади, постдок из отдела аэронавтики и астронавтики Массачусетского технологического института. «Интересно, что в ходе моделирования мы обнаружили, что даже в суровых условиях из 100 дронов у нас было всего несколько отказов».Ага-Мохаммади представит подробности подхода группы в сентябре на Международной конференции IEEE / RSJ по интеллектуальным роботам и системам в Чикаго.
Его соавторы — аспирант Массачусетского технологического института Кемаль Уре; Джонатан Хау, профессор аэронавтики и астронавтики Ричарда Кокберна Маклорена; и Джон Виан из Boeing.
Дерево возможностейПланирование курса автономного транспортного средства часто включает подход, называемый Марковским процессом принятия решений (MDP), структурой последовательного принятия решений, которая напоминает «дерево» возможных действий.
Каждый узел в дереве может разветвляться на несколько потенциальных действий, каждое из которых, если будет выполнено, может привести к еще большему количеству возможностей. Как объясняет Ага-Мохаммади, MDP — это «процесс размышлений о будущем» для определения наилучшей последовательности политик для минимизации риска.По его словам, MDP достаточно хорошо работает в средах с идеальными измерениями, где результат одного действия будет точно наблюдаться.
Но в реальных сценариях, где есть неопределенность в измерениях, такое последовательное рассуждение менее надежно. Например, даже если дана команда повернуть на 90 градусов, сильный ветер может помешать выполнению этой команды.Вместо этого исследователи решили работать с более общей структурой частично наблюдаемых марковских процессов принятия решений (POMDP).
Этот подход генерирует аналогичное дерево возможностей, хотя каждый узел представляет собой распределение вероятностей или вероятность данного результата. Таким образом, планирование маршрута транспортного средства на любой отрезок времени может привести к экспоненциальному росту вероятных результатов, что может стать монументальной задачей для вычислений.Ага-Мохаммади решил упростить задачу, разделив вычисления на две части: планирование на уровне транспортного средства, например, местоположение транспортного средства в любой момент времени; а также на уровне миссии или планировании работоспособности, например, состояние пропеллеров транспортного средства, камеры и уровни топлива.
Для планирования на уровне транспортного средства он разработал вычислительный подход к POMDP, который, по сути, объединяет несколько возможных результатов в несколько наиболее вероятных.«Представьте себе огромное дерево возможностей, и большой кусок листьев превращается в один лист, и вы получаете, может быть, 10 листьев вместо миллиона листьев», — говорит Ага-Мохаммади. «Тогда вы можете… позволить этому поработать в автономном режиме, скажем, на полчаса, и нанести на карту большую среду, и точно спрогнозировать вероятности столкновений и отказов на разных маршрутах».Он говорит, что предварительное планирование возможных позиций транспортного средства высвобождает значительное количество вычислительной энергии, которую затем можно потратить на планирование на уровне миссии в режиме реального времени.
В связи с этим он и его коллеги использовали POMDP для создания дерева возможных результатов для здоровья, включая уровни топлива и состояние датчиков и пропеллеров.Проактивная доставкаИсследователи объединили два вычислительных подхода и провели моделирование, в котором дронам было поручено доставлять несколько пакетов по разным адресам при различных ветровых условиях и с ограниченным топливом. Они обнаружили, что дроны, работающие по двустороннему подходу, были более активными в сохранении своего здоровья, перенаправляясь на середину станции подзарядки, чтобы не кончалось топливо.
Даже с этими перебоями команда обнаружила, что эти дроны могли доставлять столько же посылок, сколько те, которые были запрограммированы на простую доставку без учета здоровья.В дальнейшем команда планирует протестировать подход к планированию маршрута в реальных экспериментах. Исследователи прикрепили электромагниты к маленьким дронам или квадрокоптерам, чтобы они могли поднимать и опускать небольшие посылки. Команда также запрограммировала дроны на посадку на специально спроектированных заправочных станциях.
«Мы верим, что в ближайшем будущем в лабораторных условиях мы сможем показать, чего мы достигаем с помощью этой структуры, доставив как можно больше пакетов, сохраняя при этом здоровье», — говорит Ага-Мохаммади. «Не только дрон, но и посылка могут быть важны, и если вы потерпите неудачу, это может быть большая потеря».Эта работа была поддержана компанией Boeing.