Los ingenieros de Caltech han diseñado con éxito un nuevo método para controlar el movimiento de los drones dentro de un enjambre y evitar que choquen entre sí. El nuevo método se basa en datos para controlar el movimiento de los drones a través de espacios abarrotados y no cartografiados.
El equipo, liderado por Soon-Jo Chung y Yisong Yue con la ayuda de los graduados de Caltech Benjamin Rivière, Wolfgang Hönig y Guanya Shi, necesitaba asumir dos desafíos importantes que surgen cuando varios drones vuelan juntos.
La primera es que los drones vuelen a un nuevo entorno por primera vez y tengan que tomar decisiones en una fracción de segundo para asegurarse de que no choquen entre sí ni con los obstáculos que los rodean. El segundo es tener varios drones; Cuantos más drones vuelen, menos espacio estará disponible para que cada uno de ellos maniobre entre obstáculos y entre sí.
El equipo pudo desarrollar GLAS, también conocido como Síntesis de Autonomía Segura Global a Local, lo que significa que los drones no necesitan tener una imagen de su entorno antes de comenzar el vuelo. Más bien, estos drones generan su trayectoria sobre la marcha. El algoritmo GLAS se utiliza junto con Neural-Swarm, que aprende las complejas interacciones aerodinámicas en vuelos cercanos.
Aquí está Soon-Jo Chung, profesor Bren de aeroespacial en Caltech:
Nuestro trabajo muestra algunos resultados prometedores para superar los problemas de seguridad, robustez y escalabilidad de los enfoques convencionales de inteligencia artificial (IA) de caja negra para la planificación del movimiento de enjambres con GLAS y el control de proximidad para múltiples drones utilizando Neural-Swarm.
Soon-Jo Chung, profesor Bren de aeroespacial en Caltech
El equipo probó GLAS y Neural-Swarm con 16 drones volándolos en un campo abierto en el Centro de Tecnologías y Sistemas Autónomos (CAST) de Caltech. Las pruebas encontraron que GLAS fue capaz de superar a los algoritmos actuales en un 20%, mientras que Neural-Swarm superó a los controladores actuales. Los errores de seguimiento se redujeron hasta en un factor de cuatro.
Yisong Yue, profesor de informática y ciencias matemáticas en Caltech, también comentó sobre el sistema GLAS.
Estos proyectos demuestran el potencial de integrar métodos modernos de aprendizaje automático en la planificación y el control de múltiples agentes, y también revelan nuevas e interesantes direcciones para la investigación del aprendizaje automático.
¿Qué opinas de este método que garantiza que los drones no choquen entre sí en el aire? Háganos saber su opinión en los comentarios a continuación.
Foto: Caltech
FTC: Utilizamos enlaces de afiliados automáticos que generan ingresos. Más.