Американские инженеры использовали методы глубокого обучения для того, чтобы научить дроны прокладывать путь через пространство с препятствиями, избегая столкновений между дронами, при этом учитывая аэродинамические возмущения, создаваемые дронами в рое.

В сравнении с традиционным алгоритмом оптимального обоюдного избегания столкновений новый алгоритм планирования пути оказался на 20 процентов эффективнее в большинстве экспериментальных ситуаций, не требуя при этом больших вычислительных ресурсов и может справляться даже с таким сложными ситуациями как обмен местами двух дронов в узком коридоре.

Описание алгоритмов опубликовано в статье в журнале IEEE Robotics and Automation Letters, препринт доступен на arXiv.org.

В современном мире рои дронов широко используются только в сфере развлечений, однако появляется все больше задач, для решения которых можно использовать группы летающих роботов. Например, для задачи поиска и спасения пострадавших в чрезвычайных ситуациях вместо одиночных роботов гораздо лучше подходит рой небольших дронов, который может быстро обследовать большую площадь поврежденного здания, завалов или другой территории.

Для эффективного управления роем и контроля взаимодействия между отдельными дронами необходимо решить две ключевые проблемы.

Во-первых, проблему навигации и планирования пути для каждого робота при недостатке информации об окружающем пространстве: в постоянно изменяющемся окружении помимо неподвижных препятствий присутствуют другие дроны из роя, столкновения с которыми необходимо избегать.

Во-вторых, мультикоптеры создают воздушные потоки, которые необходимо учитывать при близком движении дронов, чтобы они не сдували друг друга с траектории.

Инженеры из Калифорнийского технологического института под руководством Сун-Чжо Чанга (Soon-Jo Chung) из Лаборатории реактивного движения NASA использовали алгоритмы глубокого обучения, чтобы решить эти задачи.