Нейромережа навчила квадрокоптер м'якій посадці

Американські інженери розробили алгоритм управління, що дозволяє дрону здійснювати посадку швидше і плавніше, ніж з використанням існуючих алгоритмів. Цього вдалося досягти завдяки навчанню нейромережевого алгоритму обліку екранного ефекту, що виникає при наближенні до поверхні. Крім стабілізованої посадки дрон також навчився більш стабільно переміщатися на невеликій висоті над нерівним рельєфом, розповідають автори статті, представленої на конференції ICRA 2019.

При звичайному польоті квадрокоптери підтримують себе на одній висоті, нахиляються і повертають в ту чи іншу сторону, керуючи швидкістю обертання гвинтів. Розрахунок швидкості кожного гвинта відбувається автономно, а оператор лише дає високорівневі команди, такі як «летіти вліво». Однак в деяких умовах, таких як політ при сильному вітрі або посадка, навіть вбудовані алгоритми дронів зазнають труднощів. У випадку з посадкою управління ускладнюється, тому що до постійної сили тяжкості і повністю керованої дроном тяги гвинтів додається третя сила, що виникає через відбиття потоку повітря від розташованої поруч поверхні. Через це квадрокоптери з функцією автоматичної посадки зазвичай здійснюють її досить жорстко. Крім того, деякі з них перед самою посадкою ненадовго зависають у повітрі, що призводить до неефективної витрати заряду акумулятора.

Інженери під керівництвом Суна Чжо Чуна (Soon-Jo Chung) з Каліфорнійського університету в Ірвайні розробили алгоритм управління польотом квадрокоптера, що дозволяє йому здійснювати рівномірну і м'яку посадку, а також зберігати стабільну висоту при польоті над нерівною поверхнею. По суті, при польоті поблизу поверхні модель поведінки дрона можна спростити до трьох складових: сили тяжкості, сумарної сили, що виникає через обертання гвинтів, і невідомої обурюючої сили, що виникає через екранний ефект. Розробники навчили нейромережу розрахунку третьої сили.

Автори використовували нейромережу з функцією активації на основі лінійної ректифікації (ReLU). Крім того, вони використовували метод спектральної нормалізації, що дозволяє зменшити розкид значень на виході з нейромережі і тим самим збільшити стабільність польоту, а також збільшити генералізованість нейромережі, тобто пристосованість для різних умов.

Для навчання інженери попросили досвідченого оператора керувати квадрокоптером на різній висоті. У результаті вони зібрали датасет, що складається з послідовності параметрів польоту, в тому числі розрахованої обурюючої сили від екранного ефекту, а також команд оператора. Автори перевірили ефективність алгоритму за допомогою експерименту, в якому дрон під керуванням нового і звичайного алгоритмів літав над столом. Завдяки цьому вони отримали можливість перевірити, як екранний ефект, який раптово виникає, впливає на стабільність польоту. З'ясувалося, що алгоритм значно підвищує стабільність підтримки висоти польоту, а також зменшує відхилення від курсу вздовж і впоперек.

Минулого року швейцарські інженери оснастили дрон нейросетевим алгоритмом, що дозволяє йому швидко літати в змінюваній обстановці. Вони показали це на прикладі гоночної траси з арками, які переміщуються під час прольоту траси дроном.