Utrke dronova pomažu u stvaranju svemirskog AI-ja

Istraživanje koje je proveo ESA-in tim za napredne koncepte zajedno s Laboratorijem za mikro zračna vozila, MAVLab tehničkog sveučilišta TUDelft iz Nizozemske, uključuje korištenje neuronskih mreža koje se mogu obučiti za autonomni nadzor svih vrsta zahtjevnih manevara svemirskih letjelica, kao što su međuplanetarni transferi, slijetanja na površinu i pristajanja.

Kako bi testirali nove AI tehnologije za svemirske misije, istraživači su se odlučili za utrke bespilotnih letjelica kao idealno okruženje za testiranje end-to-end neuronskih arhitektura na stvarnim robotskim platformama.

Dronovi su se natjecali u postizanju najboljeg vremena kroz postavljenu stazu unutar Cyber ​​Zoo-a na Sveučilištu TU Delft, testnog područja veličine 10x10 m koje održava Sveučilišni fakultet za zrakoplovno-svemirsko inženjerstvo, ESA-in partner u ovom istraživanju.

Kvadkopteri Micro Air Vehicle s ljudskim upravljanjem izmjenjivali su se s autonomnim kopijama s neuronskim mrežama uvježbanim na različite načine.

Svemirsko okruženje je samo po sebi nepredvidljivo, s potencijalom za sve vrste nepredviđenih čimbenika i smetnji, kao što su gravitacijske varijacije, atmosferske turbulencije ili planetarna tijela za koja se ispostavi da su oblikovana drugačije od modeliranja na zemlji.

Kad god letjelica iz bilo kojeg razloga skrene s planirane putanje, njezin sustav upravljanja radi kako bi je vratio na zadani profil. Problem je u tome što takav pristup može biti prilično skup u smislu resursa, zahtijevajući čitav niz brute force ispravaka.

U računalnim simulacijama neuronske mreže sastavljene od međusobno povezanih neurona, pokazale su se dobro kada su trenirane korištenjem 'ponašajnog kloniranja', temeljenog na produženoj izloženosti stručnim primjerima. Ali onda je došlo pitanje kako izgraditi povjerenje u ovaj pristup u stvarnom svijetu i tom trenutku istraživači su se okrenuli dronovima.

"Glavni izazov s kojim smo se uhvatili u koštac kako bismo G&CNets neuralne mreže doveli u bespilotne letjelice jest stvarni jaz između aktuatora u simulaciji i stvarnosti", kaže Christophe De Wagter, glavni istraživač na TU Delft. "S tim se nosimo tako što identificiramo jaz u stvarnosti dok letimo i učimo neuronsku mrežu da se nosi s tim. Na primjer, ako propeleri daju manji potisak od očekivanog, dron to može primijetiti putem svojih akcelerometara. Neuronska mreža će zatim regenerirati naredbe kako bi slijedila novu optimalnu putanju. Za naš pristup, korištenje dronova predstavlja način za razvoj čvrstog teorijskog okvira i uspostavljanje sigurnosnih granica, prije planiranja stvarnog demonstratora svemirske misije."