Відео: створено дрон, який може самостійно облітати перешкоди на високій швидкості

Дослідники з Цюріхського університету (Швейцарія) розробили новий підхід до створення дронів - тепер автономний пристрій може літати в невідомих і складних умовах на високих швидкостях. Результати показали, що такі квадрокоптери здатні досліджувати місцевість, пролітаючи над лісами, будівлями, руїнами і поїздами при швидкості до 40 км/год, і не врізаючись при цьому в перешкоди.

Подивіться, як спритно квадрокоптер ухиляється від перешкод і здійснює ефектні маневри - без допомоги людини

Швейцарські вчені відзначають, що новий підхід може бути корисний в надзвичайних ситуаціях, а також на будівельних майданчиках. Однак зазвичай для використання автономних дронів необхідно залучення досвідчених пілотів для навігації пристрою.

У Цюріхському університеті спільно з компанією Intel створили алгоритм, який навчає квадрокоптер польотам у реальному світі тільки за допомогою бортових камер і обчислень. Щоб досягти цього, вчені використовували самонавчальну нейронну мережу, яка спостерігала за так званим «змодельованим експертом» - алгоритмом, який управляє створеним комп'ютером дроном у змодельованому середовищі, повну складних перешкод. Алгоритм отримував повну інформацію про стан квадрокоптера і показання його датчиків, що дозволяло йому знаходити кращу траєкторію. Іншими словами, автопілот набував навичок у комп'ютерній «грі», отримуючи зображення з віртуальних камер.

У підсумку дані «симульованого експерта» застосували для навчання алгоритму планування в реальному середовищі. Після навчання система була протестована.

«У той час як людям потрібні роки для навчання, ШІ, використовуючи високопродуктивні симулятори, може досягти порівнянних навігаційних здібностей набагато швидше, відразу», - говорить Антоніо Локерчіо, аспірант і співавтор дослідження.

"Цікаво, що ці симулятори не обов'язково повинні бути точною копією реального світу. При правильному підході буде достатньо навіть спрощених варіантів ", - додає Елія Кауфманн, інший співавтор.

Дослідники пояснюють, що той же підхід може бути корисний для підвищення продуктивності автономних автомобілів або навіть може відкрити двері до нового способу навчання систем штучного інтелекту для роботи в областях, де збір даних ускладнений або неможливий, наприклад, на інших планетах.