Nauka latania przez rozbijanie się

Nauka latania przez rozbijanie się

Symulacje lotu robotów nie zawsze przekładają się na sukces w rzeczywistości. Dzieje się tak, bo priorytetem ich twórców jest unikanie kraks.

Dlatego wynalazcy z CMU przyjęli przeciwną strategię – stworzyli drona, którego celem jest rozbijanie się o przeszkody. W oparciu o otrzymane w ten sposób dane urządzenie uczy się, jak unikać zderzeń w przyszłości.

Dron był umieszczany w różnych pomieszczeniach i rozpoczynał lot przed siebie z przypadkowo wybranego miejsca. Po każdej kraksie wracał do punktu wyjścia i wybierał inny kierunek.

Kamera nagrywa obraz, który po wpadnięciu na przeszkodę zostaje podzielony na udaną część lotu i na czas tuż przed wypadkiem. Dzięki tym danym robot uczy się, wykorzystując do tego sieć neuronową. Analizując aktualny obraz, urządzenie decyduje, czy ma lecieć naprzód, czy lepiej jest skręcić, biorąc pod uwagę prawdopodobieństwo kraksy w danym miejscu.

Po 40 godzinach i 11500 zderzeniach autonomiczny dron bez problemu porusza się w ciasnych pomieszczeniach, wśród ruchomych i nieruchomych przeszkód. Należą do nich białe ściany bez żadnych znaków szczególnych, a nawet szklane drzwi.

Ta metoda jest od 2 do 10 razy lepsza pod względem czasu lotu i przebytej odległości od standardowego określania głębokości. W wąskich korytarzach i w innych skomplikowanych sytuacjach dorównuje ona nawet umiejętnościom człowieka-pilota.

Z kolei w porównaniu z nauką przez unikanie kraks ten sposób jest o wiele bardziej autonomiczny i tańszy. Mapy 3D, systemy motion capture i inne kosztowne ułatwienia są tu zbędne. Robot składa się też z tanich części, więc ich wymiana po rozbiciu nie generuje dużych kosztów.

Źródło: [1]

dron, quadrocopter, sieć neuronowa, uczenie się

Trwa ładowanie komentarzy...