هوش مصنوعی در دنیای پهپادها

هوش مصنوعی در دنیای پهپادها

هوش مصنوعی در دنیای پهپادها

پرواز پهپادهای پرسرعت به سمت ناشناختهها با هوش مصنوعی

وقتی صحبت از کاوش در محیط‌های پیچیده و ناشناخته مانند جنگل‌ها، ساختمان‌ها یا غارها می‌شود، شکست دادن پهپادها، هواپیماهای کوچک بدون سرنشنین، بسیار سخت است. این پهپادها بسیار سریع، چابک و کوچک هستند و می‌توانند سنسورها و محموله‌ها را تقریباً به همه‌جا ببرند. با این حال، پهپادهای خودمختار به سختی می‌توانند راه خود را در یک محیط ناشناخته، بدون استفاده از نقشه پیدا کنند. در حال حاضر، برای رهاسازی پتانسیل کامل پهپادها، به خلبانان متخصص احتیاج است.

Davide Scaramuzza، رهبر گروه رباتیک و ادراک در دانشگاه زوریخ و NCCR Robotics Rescue Robotics می‌گوید: «برای ماهرشدن در پروازکردن زیرکانه و خودمختار، باید محیط را در کسری از ثانیه درک کنید تا پهپاد را در مسیرهای بدون برخورد به پرواز دربیاورید. این چالش بزرگ، هم برای انسان‌ها و هم برای ماشین‌ها بسیار دشوار است. خلبانان انسانی خبره می‌توانند پس از سال‌ها پشتکار و آموزش به این درجه برسند. اما ماشین‌ها همچنان در تلاش و کوشش هستند.»

الگوریتم هوش مصنوعی، پرواز در دنیای واقعی را از یک «متخصص شبیه سازی شده» یاد می‌گیرد!

در یک مطالعه جدید، اسکاراموزا و تیمش یک کوادروتر«یک نوعی از کوادکوپتر» خودمختار را ساخته‌اند تا در محیط‌هایی که قبلا دیده نشده مانند جنگل‌ها، ساختمان‌ها، خرابه‌ها و حتی بین قطارها پرواز کند و بدون برخورد با درختان، دیوارها یا موانع دیگر، سرعتی تا 40 کیلومتر در ساعت داشته باشد. همه اینها تنها با تکیه بر دوربین‌های روی برد و محاسبات کوادروتر به دست آمد.

شبکه عصبی پهپاد با مشاهده نوعی از یک «متخصص شبیه‌سازی شده» یا "simulated expert" پرواز را آموخت.درواقع منظور از متخصص شبیه‌سازی شده، الگوریتمی است که یک پهپاد کامپیوتری را، از میان یک محیط شبیه‌سازی شده و پر از موانع پیچیده، عبور می‌دهد. این الگوریتم همیشه اطلاعات کاملی در مورد وضعیت کوادروتر و تفسیر سنسورهای آن داشت و می‌توانست بر روی زمان و توان محاسباتی کافی برای یافتن بهترین مسیر تکیه کند.

الگوریتم «متخصص شبیه‌سازی‌شده» را نمی‌توان خارج از محیط شبیه‌سازی شده استفاده کرد. اما داده‌های آن برای آموزش شبکه عصبی و نحوه پیش‌بینی بهترین مسیر تنها بر اساس داده‌های سنسورها مورد استفاده قرار گرفت. این یک مزیت قابل توجه نسبت به سیستم‌های موجود است که ابتدا از داده‌های سنسور یا حسگر برای ایجاد نقشه‌ای از محیط و سپس برنامه‌ریزی برای مسیرهای درون نقشه استفاده می‌کنند. دو مرحله‌ای که نیاز به زمان دارد و پرواز با سرعت بالا را غیرممکن می‌کند.

نیازی به کپی دقیق از دنیای واقعی نیست!

پس از آموزش شبیه سازی، این سیستم در دنیای واقعی مورد آزمایش قرار گرفت. جایی که قادر بود در محیط‌های مختلف بدون برخورد با موانع، با سرعتی تا حداکثر 40 کیلومتر در ساعت پرواز کند. آنتونیو لوکورسیو، دانشجوی دکترا و یکی از نویسندگان مقاله می‌گوید: «هوش مصنوعی با استفاده از شبیه‌سازهایی با عملکرد بالا، قادر است تا به توانایی ‌جهت‌یابی قابل مقایسه، بسیار سریع‌تر و اساساً یک شبه، دست یابد. این در حالی است که انسان‌ها به سال‌های زیادی برای آموزش نیاز دارند.» جالب است که این شبیه سازها احتیاجی به کپی دقیق از دنیای واقعی ندارند. الیا کافمن، یکی دیگر از دانشجویان دکترا و یکی دیگر از نویسندگان، نیز بیان می‌کند: «اگر از رویکرد درستی استفاده کنید، حتی شبیه‌سازهای ساده نیز کافی هستند.»

کاربرد الگوریتم "simulated expert" در آینده نزدیک

کاربرد‌ این الگوریتم به ساخت کوادروترها محدود نمی‌شود. محققان درباره این الگوریتم توضیح می‌دهند که همین رویکرد می‌تواند برای بهبود عملکرد اتومبیل‌های خودران مفید باشد، یا حتی می‌تواند راه جدیدی را برای آموزش سیستم‌های هوش مصنوعی برای عملیات در حوزه‌هایی که جمع‌آوری داده‌ها دشوار یا غیرممکن است «برای مثال در سیارات دیگر» باز کند.

به گفته محققان، گام‌های بعدی، پیشرفت در ساخت پهپادها با استفاده از آزمایشات متعدد و همچنین توسعه سنسورهایی با عملکرد سریع‌تر است که می‌توانند اطلاعات بیشتری در مورد محیط در مدت زمان کمتری ارائه دهند. درواقع این پیشرفت به پهپادها اجازه می‌دهد که حتی در سرعت‌های بالاتر از40 کیلومتر در ساعت، پرواز ایمن‌تری داشته باشند.



مطالب زیر را حتما مطالعه کنید


نظرات


برای ثبت نظر وارد وبسایت شوید

ما را در اینستاگرام دنبال کنید @RobaticSchool