Использует ИИ для плавного приземления дронов Neural Lander

Посадка много роторных беспилотников плавно затруднительна из-за сложной турбулентности, создаваемой двигателями. Эта турбулентность не совсем понятна, и ее нелегко компенсировать, особенно для автономных дронов.

Вот почему взлет и посадка часто являются двумя самыми сложными частями полета беспилотника. Дроны, как правило, колеблются и медленно двигаются в направлении точки приземления, пока расстояние до земли не будет достаточно малым, и просто выключает двигатель.

Разработка улучшения

В Центре автономных систем и технологий Caltech (CAST) эксперты по искусственному интеллекту объединились с экспертами по управлению, чтобы разработать систему, которая использует глубокую нейронную сеть, чтобы помочь автономным дронам «научиться» приземляться более безопасно и быстро, при этом меньше поглощая мощность.

Созданная ими система, получившая название «Neural Lander», представляет собой основанный на обучении контроллер, который отслеживает положение и скорость беспилотника и соответствующим образом изменяет траекторию его посадки и скорость вращения ротора для достижения максимально плавной посадки.

«Этот проект может помочь беспилотникам летать более плавно и безопасно, особенно при наличии непредсказуемых порывов ветра, и потреблять меньше энергии аккумулятора, поскольку беспилотники могут приземляться быстрее», - говорит Сун-Джо Чунг, профессор аэрокосмической отрасли Брен. Отдел инженерии и прикладных наук (EAS) и научный сотрудник JPL, которым Caltech управляет для НАСА.

Проект представляет собой сотрудничество между экспертами Chung и Caltech по искусственному интеллекту (AI) Анимой Анандкумар, профессором компьютерных и математических наук Брена, и Йисонг Юэ, доцентом вычислительных и математических наук. 22 мая на Международной конференции по робототехнике и автоматизации Института инженеров по электротехнике и радиоэлектронике (IEEE) был представлен документ с описанием Neural Lander.

Соавторами статьи являются аспиранты Caltech Гуанья Ши, чьи исследования в области PhD совместно контролируются Чунг и Юэ, а также Сичен Ши и Майкл О'Коннелл, которые являются аспирантами в Группе аэрокосмической робототехники и контроля Чунга.

Глубокие нейронные сети (DNN) - это системы ИИ, вдохновленные биологическими системами, такими как мозг. «Глубокая» часть имени относится к тому факту, что ввод данных происходит в нескольких слоях, каждый из которых обрабатывает входящую информацию по-своему, чтобы выявить все более сложные детали. DNN способны к автоматическому обучению, что делает их идеально подходящими для повторяющихся задач.

Спектральная нормализация

Чтобы убедиться, что дрон плавно летит под руководством DNN, команда использовала методику, известную как спектральная нормализация, которая сглаживает выходные данные нейронной сети, чтобы она не делала сильно изменяющихся прогнозов при изменении входных данных или условий. Улучшения в посадке были измерены путем изучения отклонения от идеализированной траектории в трехмерном пространстве.

Были проведены три типа испытаний: прямая вертикальная посадка; посадка по нисходящей дуге; и полет, в котором беспилотник скользит по разбитой поверхности - например, через край стола - где влияние турбулентности от земли будет резко меняться. Новая система уменьшает вертикальную погрешность на 100 процентов, что позволяет контролировать посадку, и уменьшает боковой дрейф до 90 процентов.

В своих экспериментах новая система достигает фактической посадки, а не застревает на высоте 10-15 сантиметров над землей, как это часто делают обычные диспетчеры полета. «С меньшими ошибками Neural Lander способен быстрее, плавнее приземляться и плавно скользить по поверхности земли», - говорит Юэ. Новая система была опробована на трехэтажном аэродроме CAST, который может имитировать практически неограниченное разнообразие внешних погодных условий.

Открытый в 2018 году, CAST - это объект площадью 10 000 квадратных футов, где исследователи из EAS, JPL и Отдела геологических и планетарных наук Caltech объединяются для создания следующего поколения автономных систем, одновременно развивая области исследований дронов и биоинспирированных системы. «Это междисциплинарное усилие объединяет экспертов из областей машинного обучения и управления.

Мы только начали изучать богатые связи между ними», - говорит Анандкумар. Помимо очевидных коммерческих применений - Чанг и его коллеги подали патент на новую систему - новая система может оказаться решающей для проектов, разрабатываемых в настоящее время в CAST, включая автономный медицинский транспорт, который может приземлиться в труднодоступных местах.

«Важность возможности быстрой и плавной посадки при транспортировке пострадавшего не может быть преувеличена», - говорит Мортеза Гариб, профессор аэронавтики и биоинспирации Ханс В. Лиепманн; директор CAST и один из ведущих исследователей проекта санитарной авиации.