Дрон научился противостоять шторму с помощью машинного обучения

Команда инженеров из Калифорнийского технологического института разработала модель глубокого машинного обучения Neural-Fly, призванную помогать дронам адаптироваться к неблагоприятным погодным условиям. С её помощью квадрокоптеры всего за 12 минут полёта самостоятельно научились противостоять сильному ветру.

Neural-Fly использует стратегию разделения, с помощью которой в режиме реального времени необходимо обновлять лишь несколько параметров нейронной сети. По словам исследователей, этот эффект достигается алгоритмом метаобучения, который предварительно обогащает нейронную сеть ключевой информацией.

В ходе испытаний дронов использовалась аэродинамическая труба Real Weather с более чем тысячей миниатюрных вентиляторов, способных имитировать любые указанные условия. Роботам дали задачу двигаться по «восьмёрке» вне зависимости от порывов ветра, которые могли достигать 12 м/с. Согласно результатам, квадрокоптеры с Neural-Fly совершали до четырёх раз меньше ошибок при следовании по этой траектории, чем дроны, не использовавшие алгоритм.

«Прямое и специфическое влияние различных ветровых условий на динамику, лётно-технические характеристики и устойчивость самолёта нельзя точно охарактеризовать с помощью простой математической модели. Вместо того чтобы пытаться квалифицировать и количественно оценивать каждое влияние турбулентных и непредсказуемых ветровых условий, с которыми мы сталкиваемся в авиаперелётах, мы используем комбинированный подход глубокого обучения и адаптивного управления, который позволяет самолёту учиться на предыдущем опыте и адаптироваться к новым условиям на лету», — отметили исследователи.

Команда из CalTech считает, что Neural-Fly позволит дронам полноценно и автономно выполнять как рутинные задачи, такие как доставка посылок в любую непогоду, так и аварийные, вроде транспортировки по воздуху людей с травмами.