ИИ-управляемые дроны используют океанические течения для автономной навигации

Инженеры Caltech, ETH Zürich и Harvard разрабатывают искусственный интеллект (ИИ), который позволит автономным дронам использовать океанические течения для помощи их навигации, вместо того чтобы пробираться сквозь них.

«Когда мы хотим, чтобы роботы исследовали глубокий океан, особенно в роях, практически невозможно контролировать их джойстиком с 20 000 футов на поверхности. Мы также не можем передать им данные о локальных океанических течениях, которые им нужны для навигации, потому что мы не можем обнаружить их с поверхности. Вместо этого, в определенный момент нам нужно, чтобы океанические дроны могли сами принимать решения о том, как двигаться», — сказал профессор Джон О. Дабири.

Производительность ИИ тестировалась с использованием компьютерных симуляций, но команда за этим усилием также разработала небольшой ладони-размерный робот, который запускает алгоритм на крошечном компьютерном чипе, который может питать морские дроны как на Земле, так и на других планетах. Цель — создать автономную систему для мониторинга состояния океанов планеты, например, используя алгоритм в комбинации с протезами, которые они ранее разработали для помощи медузам плавать быстрее и по команде. Полностью механические роботы, запускающие алгоритм, могут даже исследовать океаны на других мирах, таких как Энцелад или Европа.

В любом сценарии дронам нужно уметь принимать решения самостоятельно о том, куда идти и самый эффективный способ добраться туда. Для этого у них, вероятно, будут только данные, которые они могут собрать сами — информация о водных течениях, которые они в настоящее время испытывают.

Для решения этой задачи исследователи обратились к сетям обучения с подкреплением (RL). По сравнению с обычными нейронными сетями, сети обучения с подкреплением не обучаются на статическом наборе данных, а обучаются так быстро, как они могут собирать опыт. Эта схема позволяет им существовать на гораздо меньших компьютерах. Для целей этого проекта команда написала программное обеспечение, которое может быть установлено и запущено на Teensy — микроконтроллере 2,4 дюйма на 0,7 дюйма, который любой может купить за менее чем $30 на Amazon и который использует только около половины ватта энергии.

Используя компьютерную симуляцию, в которой поток вокруг препятствия в воде создал несколько вихрей, движущихся в противоположных направлениях, команда научила ИИ навигировать так, чтобы он воспользовался регионами низкой скорости в следе вихрей, чтобы долететь до целевого местоположения с минимальным использованием энергии. Для помощи своей навигации смоделированный пловец имел доступ только к информации о водных течениях в своем непосредственном местоположении, но он вскоре научился использовать вихри для скольжения к желаемой цели. В физическом роботе ИИ так же имел бы доступ только к информации, которую можно собрать с бортового гироскопа и акселерометра, которые оба относительно малы и низкозатратны для роботизированной платформы.

Этот вид навигации аналогичен тому, как орлы и ястребы используют термики в воздухе, извлекая энергию из воздушных течений для маневрирования к желаемому местоположению с минимальной энергией. Удивительно, исследователи обнаружили, что их алгоритм обучения с подкреплением может учить стратегии навигации, которые даже более эффективны, чем те, что считаются используемыми настоящими рыбами в океане.

Технология все еще в зачаточном состоянии: в настоящее время команда хочет протестировать ИИ на каждом типе нарушения потока, который он может встретить в миссии в океане — например,wirbel-вихри против течения приливных течений — чтобы оценить его эффективность в дикой природе. Однако, включив свои знания физики океанических потоков в стратегию обучения с подкреплением, исследователи стремятся преодолеть это ограничение. Их исследование доказывает потенциальную эффективность RL сетей в решении этого вызова — особенно потому, что они могут работать на таких маленьких устройствах. Чтобы попробовать это в поле, команда размещает Teensy на специально построенном дроне, названном «CARL-Bot» (Caltech Autonomous Reinforcement Learning Robot). CARL-Bot будет брошен в новостроенную двухэтажную водяную бассейн на кампусе Caltech и научен навигировать океаническим течениям.