Но если их можно заставить быть быстрее и маневреннее, беспилотные летательные аппараты можно было бы использовать в критических по времени операциях за пределами гоночной трассы, например, для поиска выживших в результате стихийного бедствия.

Теперь аэрокосмические инженеры Массачусетского технологического института разработали алгоритм, который помогает дронам находить самый быстрый маршрут вокруг препятствий без сбоев. Новый алгоритм сочетает моделирование полета дрона через виртуальную полосу препятствий с данными экспериментов реального дрона, летящего по тому же маршруту в физическом пространстве.

Исследователи обнаружили, что беспилотник, обученный по их алгоритму, пролетел простую полосу препятствий на 20 процентов быстрее, чем беспилотник, обученный по обычным алгоритмам планирования. Интересно, что новый алгоритм не всегда позволял дрону опережать своего конкурента на протяжении всего курса. В некоторых случаях он замедлял беспилотник, чтобы справиться с сложным поворотом, или экономил его энергию, чтобы разогнаться и в конечном итоге обогнать своего конкурента.

"На высоких скоростях существует сложная аэродинамика, которую трудно смоделировать, поэтому мы используем эксперименты в реальном мире, чтобы заполнить эти черные дыры, чтобы обнаружить, например, что, возможно, лучше сначала замедлиться, чтобы потом быть быстрее", - говорит Эзра Тал, аспирант Массачусетского технологического института. Кафедра воздухоплавания и астронавтики. "Именно этот целостный подход мы используем, чтобы увидеть, как мы можем максимально быстро сформировать общую траекторию".

"Такого рода алгоритмы являются очень ценным шагом на пути к созданию будущих беспилотных летательных аппаратов, способных очень быстро ориентироваться в сложных условиях", - добавляет Сертак Караман, адъюнкт-профессор аэронавтики и астронавтики и директор лаборатории информационных систем и систем принятия решений Массачусетского технологического института. "Мы действительно надеемся раздвинуть границы таким образом, чтобы они могли путешествовать так быстро, как позволят их физические ограничения".

Тал, Караман и аспирант Массачусетского технологического института Гилхен Рю опубликовали свои результаты в Международный журнал исследований робототехники.

Быстрые эффекты

Обучение дронов облету препятствий относительно несложно, если они предназначены для медленного полета. Это связано с тем, что аэродинамика, такая как лобовое сопротивление, обычно не играет роли на низких скоростях, и их можно исключить из любого моделирования поведения дрона. Но на высоких скоростях такие эффекты гораздо более выражены, и предсказать, как будут вести себя транспортные средства, гораздо сложнее.

"Когда ты летишь быстро, трудно оценить, где ты находишься", - говорит Ре. "Могут возникнуть задержки при подаче сигнала на двигатель или внезапное падение напряжения, которое может вызвать другие проблемы с динамикой. Эти эффекты не могут быть смоделированы с помощью традиционных подходов к планированию".

Чтобы понять, как высокоскоростная аэродинамика влияет на беспилотные летательные аппараты в полете, исследователям приходится проводить множество экспериментов в лаборатории, настраивая дроны на различные скорости и траектории, чтобы увидеть, какие из них летают быстро и без сбоев - дорогостоящий и часто приводящий к сбоям тренировочный процесс.

Вместо этого команда Массачусетского технологического института разработала высокоскоростной алгоритм планирования полета, который сочетает моделирование и эксперименты таким образом, чтобы свести к минимуму количество экспериментов, необходимых для определения быстрых и безопасных траекторий полета.

Исследователи начали с основанной на физике модели планирования полета, которую они разработали, чтобы сначала смоделировать, как беспилотник, вероятно, поведет себя во время полета через виртуальную полосу препятствий. Они смоделировали тысячи гоночных сценариев, каждый из которых отличался траекторией полета и скоростью. Затем они наметили, был ли каждый сценарий осуществимым (безопасным) или неосуществимым (приводящим к сбою). На основе этой диаграммы они могли быстро определить несколько наиболее перспективных сценариев или гоночных траекторий, чтобы опробовать их в лаборатории.

"Мы можем провести это моделирование с низкой точностью дешево и быстро, чтобы увидеть интересные траектории, которые могут быть как быстрыми, так и выполнимыми. Затем мы летаем по этим траекториям в экспериментах, чтобы увидеть, какие из них действительно осуществимы в реальном мире", - говорит Тал. "В конечном счете мы сходимся к оптимальной траектории, которая дает нам минимально возможное время".

Идти медленно, чтобы идти быстро

Чтобы продемонстрировать свой новый подход, исследователи смоделировали полет дрона по простому маршруту с пятью большими препятствиями квадратной формы, расположенными в шахматном порядке. Они установили ту же конфигурацию в помещении для физических тренировок и запрограммировали беспилотник на полет по курсу со скоростями и траекториями, которые они ранее выбрали из своих симуляций. Они также провели тот же курс с беспилотником, обученным по более традиционному алгоритму, который не включает эксперименты в свое планирование.

В целом, беспилотник, обученный по новому алгоритму, "выигрывал" каждую гонку, проходя дистанцию за более короткое время, чем традиционно обученный беспилотник. В некоторых сценариях беспилотник-победитель заканчивал дистанцию на 20 процентов быстрее своего конкурента, даже несмотря на то, что он выбирал траекторию с более медленным стартом, например, ему требовалось немного больше времени, чтобы совершить вираж. Такого рода тонкая настройка не была предпринята обычным обученным дроном, вероятно, потому, что его траектории, основанные исключительно на моделировании, не могли полностью учитывать аэродинамические эффекты, которые эксперименты команды выявили в реальном мире.

Исследователи планируют провести больше экспериментов на более высоких скоростях и в более сложных условиях, чтобы еще больше усовершенствовать свой алгоритм. Они также могут включать полетные данные от пилотов-людей, которые дистанционно управляют дронами, и чьи решения и маневры могут помочь разработать еще более быстрые, но все еще выполнимые планы полетов.

"Если пилот-человек замедляется или набирает скорость, это может повлиять на то, что делает наш алгоритм", - говорит Тал. "Мы также можем использовать траекторию пилота-человека в качестве отправной точки и улучшить ее, чтобы увидеть, чего не делают люди, что может вычислить наш алгоритм, чтобы летать быстрее. Это некоторые идеи на будущее, о которых мы думаем".

Это исследование было частично поддержано Управлением военно-морских исследований.