Hogyan szárnyalnak a madarak? A kutatók kidolgozzák az AI autonóm vitorlázót, hogy megtudja

A madarak már régóta inspirálták az embereket arra, hogy saját útjukat hozzák létre. Tudjuk, hogy a nagy távolságokat vándorló madárfajok termikus felújításokat használnak, hogy a levegőben maradjanak anélkül, hogy felemelnék a szárnyaikat. A vitorlázó pilóták hasonlóképpen használják a termáláramokat és az emelkedő levegő egyéb területeit, hogy hosszabb ideig maradjanak a levegőben.

Mégis, mikor különböző eszközökkel elsajátítottuk ezeket a csúszkákat, a pontos mechanizmusok, amelyek lehetővé teszik a madarak szárnyalását, még nem ismertek. De Kaliforniából és Olaszországból származó kutatócsoport néhány lépést tett a kérdés megválaszolására mesterséges intelligenciával (A.I.). Ez pedig a repülőgépek navigációs rendszereinek új fejleményeit eredményezheti, különös tekintettel azokra a drónokra, amelyek nagyon hosszú ideig képesek légi úton maradni.

A tanulmányban közzétett tanulmány célja. T Természet, egy kis, két méteres szárnyas önálló vitorlázó volt, hogy termálban repüljen, mint egy igazi madár. A vitorlázót egyfajta A.I. úgynevezett gépi tanulás, amely lehetővé tette számára, hogy a levegőáramokat hosszabb ideig a levegőáramlásokkal dolgozzák ki.

Lásd még: A Drones-t úgy tervezték, hogy az új áttöréses tanulmányban pontosan hasonlítsanak a madarakhoz

A gépi tanulás egy alternatív megközelítés a számítógép programozásához egy összetett feladat elvégzéséhez. Ahelyett, hogy számítógépet (vagy ebben az esetben önálló vitorlázót) táplálna, egy sor utasítás, amely elmondja, hogyan kell csinálni valamit, azt mondja meg a számítógépnek, hogyan szeretné, ha válaszolna, és jutalmazza azt, ha a helyes dolog.

Idővel megtanulja, mi jutalmazza a dolgokat, és inkább inkább viselkedni fog. Ez a technika azt jelenti, hogy a számítógépes programok, mint például a Google AlphaGo, megtanulhatják, hogy játsszanak az asztali játékba, majd megverik a profi játékosokat.

Ezt a típusú gépi tanulást megerősítő tanulásnak nevezik, és nagy mennyiségű bemeneti adatra támaszkodik a számítógéphez, hogy megtudja, hogy milyen intézkedéseket fog nyújtani a jutalmakkal. Az autonóm vitorlázót programozó kutatók számára a bemeneti adatok olyan speciális műszerekből álltak, amelyek képesek a felfelé (függőleges) szélerősség megváltoztatására. A műszerek képesek voltak meghatározni ezeket a változásokat a vitorlázó hosszában (hosszirányban) és egy szárnycsúcsról a másikra (oldalirányban). Az érzékelők a méréseket másodpercenként tízszer tudták elvégezni.

Ezeket az adatokat akkor használtuk, hogy repülésbeigazításokat végezzünk a vitorlázógép bankszögének nevezett értékekhez. Egy jól kiegyensúlyozott repülőgép, amelynek szárnya van, nulla, és egyenes vonalban repül. A szárnyak döntése és a bankszög növelése a sík fordulását teszi lehetővé. A tanulmányban a vitorlázó jutalma akkor jutalmazták, ha a felfelé irányuló szélsebesség változása a repülési útvonalán emelkedett. Más szóval, ha a vitorlázó egy felfrissítőbe repül.

A frissítések kulcsfontosságúak ahhoz, hogy növeljék az idő, ameddig a vitorlázó a levegőben marad. Ellentétben egy hajtott repülőgéppel, egy vitorlázó, amely nem talál semmilyen frissítést, fokozatosan a föld felé esik. Az, hogy a vitorlázó leesik vagy emelkedik, attól függ, hogy mennyi levegő mozog felfelé. Egy felújításban a függőleges légmozgás növekedése elegendő ahhoz, hogy megállítsa a vitorlázást, és ha a függőleges szél elég erős, akkor engedje meg felmászni.

Számos repülés során (összesen mintegy 16 óra repülés) a vitorlázó vitorlázó megtanulta, hogy bizonyos bemenetek (bankszög, hosszirányú és oldalirányú változás, függőleges szélsebesség) kombinációjával képezzen, hogy eldöntse, mi a a bankszög következő változása legyen. Az eredmény az volt, hogy az összes repülés végére a repülőgép megtanította magának, hogyan kell repülni a frissítőmunkaba, hogy hosszabb ideig maradjon a levegőben.

Bónuszként a kutatók egy numerikus modellt alkalmaztak ennek a megközelítésnek a bemutatására, ami még nagyobb vitorlázók számára is előnyös lenne, mivel hosszabb szárnyuk pontosabb mérést ad a szélsebesség változásairól egy szárnycsúcsról a másikra.

Repülőgép okosabbá tétele

Az eredmények felvetik azt a kérdést, hogy milyen lehetséges futurisztikus autonóm vitorlázók láthatták a csúszást, és mit használnak. Az MIT mérnökei nemrégiben inspiráltak a hullámlovagló albatrosz aerodinamikájáról egy autonóm vitorlázó tervezésére.

Az Airbus kifejlesztett egy napenergiával működő vitorlázót, amely a megfigyelési vagy kommunikációs műholdak alternatívájaként hosszú időn keresztül levegőben maradhat, például az internetes jeleket a földön lévő távoli helyekre továbbíthatja. A Microsoft állítólag autonóm repülőgépeken dolgozik a legmodernebb mesterséges intelligens navigációs rendszerekkel.

De talán az ebben a tanulmányban kifejlesztett technikák egy nap egy új intelligens navigációs és autopilot rendszerek generálásához vezethetnek a hagyományos repülőgépekhez. Ezek használhatják a több ezer órányi repülési időre összegyűjtött adatokat, hogy döntéseket hozhassanak a leghatékonyabb útról. Ez a pontos érzékelőkre és a további fejlesztésre támaszkodna, amelyek lehetővé teszik a sík azonosítását, majd egy termikus felújításról a másikra történő ugrást. A módszer csak abban az esetben teszi lehetővé, hogy egyetlen hőlégfúvás közben belsejébe menjen.

A kutatók által kifejlesztett módszerek és programozási technikák kétségkívül közelebb kerülnek hozzánk egy autonóm repülő jármű céljához, amely a feladatokat ellátó napok, hetek vagy hónapok repülési ideje. De az erősítő tanulás használata ismét megmutatja, hogy ezek az algoritmusok milyen rugalmasan alkalmazkodnak a komplex feladatok széles skálájához, a vitorlázó vezérlésétől kezdve egy Go-nál legyőzve.

Ezt a cikket eredetileg Nicholas Martin beszélgetésében tették közzé. Olvassa el az eredeti cikket itt.