Как се издигат птиците? Изследователи Разработване на AI автономни планер, за да разберете

Птиците отдавна вдъхновяват хората да създават свои собствени начини да летят. Ние знаем, че растящите видове птици, които мигрират на дълги разстояния, използват топлинни възобновяеми, за да останат във въздуха, без да използват енергия, размахваща крилата си. А пилотите на планера също използват термични токове и други области на издигащ се въздух, за да останат във въздуха за по-дълго време.

И все пак, докато усвояваме плъзгане през тези възобновяеми с помощта на различни инструменти, точните механизми, които позволяват на птиците да скочат, все още не са известни. Но екип от изследователи от Калифорния и Италия са направили някои известни стъпки към отговора на този въпрос, използвайки изкуствен интелект (A.I.). И това би могло да доведе до нови разработки в навигационните системи за въздухоплавателни средства, с особено значение за създаването на безпилотни самолети, които могат да останат във въздуха за много дълги периоди от време.

Целта на изследването, публикувана в природа трябваше да тренира малък двуметров размах на крила, който да лети в термиките, точно както би направила и истинска птица. Планерът беше програмиран с един вид A.I. познат като машинно обучение, което му позволява да измисли как да използва въздушните потоци, за да остане във въздуха по-дълго.

Вижте също: Drones са програмирани да Flock точно като птици в нов пробив проучване

Машинното обучение е алтернативен подход за програмиране на компютър, за да се извърши сложна задача. Вместо да подавате на компютъра (или автономния планер в този случай) набор от инструкции, които да ви казват как да направите нещо, вие казвате на компютъра как бихте искали той да реагира и да го възнаградите, когато прави правилното нещо.

С течение на времето тя ще научи какви неща се възнаграждават и ще се стремят да правят тези поведения вместо това. Тази техника е начинът, по който компютърните програми, като например AlphaGo на Google, могат да се научат да играят на борда игра, след което да победят професионалните играчи, което не е възможно с традиционните техники за програмиране.

Този тип машинно обучение се нарича усилващо учене и се основава на голямо количество входни данни, които се подават на компютъра, за да научи какви действия ще му предоставят награди. За изследователите, които програмират автономния планер, входните данни се състоят от специализирани уреди, способни да прочетат промяната във вертикалната сила на вятъра. Инструментите са в състояние да определят тези промени по дължината на планера (надлъжно) и от единия край на крилото до другия (странично). Сензорите бяха в състояние да направят тези измервания десет пъти на секунда.

След това тези данни бяха използвани за извършване на корекции на полета до така наречения ъгъл на наклона на планера. Добре балансиран самолет с нивото на крилата си има нулев ъгъл на ъгъла и ще лети по права линия. Накланянето на крилата и увеличаването на ъгъла на наклона ще направят равнината да се върти. В проучването, планерът беше възнаграден, ако промяната във възходящата скорост на вятъра по пътя на полета се увеличи. С други думи, ако планерът е летял в извивка.

Актуалистите са ключът към увеличаване на времето, през което планер може да остане във въздуха. За разлика от моторни самолети, планер, който не е в състояние да намери никакви възходящи потоци, постепенно ще падне към земята. Дали планерът пада или се увеличава зависи пряко от това колко въздух се движи нагоре около него. При едно възходящо течение увеличението на вертикалното движение на въздуха може да бъде достатъчно, за да спре падането на планера и, ако вертикалният вятър е достатъчно силен, да му позволи да се изкачи.

В хода на редица полети (общо 16 часа полет), проучващият планер се научи да лети, като се обучава под определена комбинация от входове (ъгъл на наклона, надлъжна и странична промяна, вертикална скорост на вятъра), за да реши какво следващата промяна в ъгъла на наклона трябва да бъде. Резултатът беше, че до края на цялото това летене самолетът се научи как да лети в поток, което му позволява да остане във въздуха за по-дълго време.

Като бонус, изследователите са използвали цифров модел, за да покажат този подход, който ще е от полза за по-големите планери още повече, тъй като по-дългият им размах на крилата ще осигури по-точно измерване на промяната на скоростта на вятъра от върха на крилото към друг.

Осъществяване на по-интелигентни самолети

Резултатите повдигат въпроса за възможните футуристични автономни планери, които можем да видим, да се плъзгат и за какво ще се използват. Наскоро инженерите от MIT вдъхновяват от аеродинамиката на албатроса, за да създадат автономно планер.

Еърбъс разработи планер на слънчева енергия, който може да остане във въздуха за много дълъг период от време, като алтернатива на наблюдението или комуникационните сателити, които могат да излъчват интернет сигнали към отдалечени места на земята. Според съобщенията Microsoft работи върху автономни самолети с най-съвременни изкуствени интелигентни навигационни системи.

Но може би разработените в това изследване техники биха могли един ден да доведат до ново поколение „интелигентни“ навигационни и автопилотни системи за конвенционалните самолети. Те могат да използват данни, събрани в продължение на хиляди часове, за да вземат решения за най-ефективния начин за придвижване. Това ще разчита на точни сензори и по-нататъшно развитие, които ще позволят на самолета да се идентифицира и след това да се прехвърли от един термичен източник към друг. В момента методът позволява само плъзгане в един термал.

Разработените от изследователите методи и техники за програмиране без съмнение ще ни доближат до целта за автономно летящо превозно средство с времетраене на полетите от дни, седмици или месеци, изпълняващо тези задачи. Но използването на усилващо обучение още веднъж показва колко гъвкави са тези алгоритми при адаптирането им към широк спектър от сложни задачи, от контролирането на планер до избиването на човек в Go.

Тази статия първоначално е била публикувана на The Conversation от Nicholas Martin. Прочетете оригиналната статия тук.