Автономные инновации в нестабильном мире

Jan 21, 2024

Предыдущее изображение Следующее изображение

Исследовательские интересы профессора Массачусетского технологического института Джонатана Хау охватывают весь спектр автономных транспортных средств — от самолетов и космических кораблей до беспилотных летательных аппаратов (БПЛА или дронов) и автомобилей. Особое внимание он уделяет разработке и реализации распределенных надежных алгоритмов планирования для координации нескольких автономных транспортных средств, способных перемещаться в динамичных средах.

В течение прошлого года или около того профессор аэронавтики и астронавтики Ричард Кокберн Маклорен и группа исследователей из Лаборатории аэрокосмического управления Массачусетского технологического института разрабатывали систему планирования траектории, которая позволяет флоту дронов работать в одном и том же воздушном пространстве, не сталкиваясь с другими объектами. друг друга. Другими словами, это проект по предотвращению столкновений нескольких транспортных средств, и он имеет реальные последствия для экономии затрат и повышения эффективности для различных отраслей, включая сельское хозяйство и оборону.

Испытательной площадкой для проекта является Центр автономных систем Креса, помещение размером 80 на 40 футов с потолками высотой 25 футов, специально спроектированное для работы Массачусетского технологического института с автономными транспортными средствами, включая рой беспилотников Хоу, регулярно летающих вокруг высокого отсека центра. . Чтобы избежать столкновения, каждый БПЛА должен вычислить свою траекторию планирования пути на борту и поделиться ею с остальными машинами с помощью сети беспроводной связи.

Но, по словам Хоу, одна из ключевых проблем при работе с несколькими транспортными средствами связана с задержками связи, связанными с обменом информацией. В этом случае, чтобы решить эту проблему, Хоу и его исследователи встроили в свою систему функцию «осведомленности о восприятии», которая позволяет транспортному средству использовать бортовые датчики для сбора новой информации о других транспортных средствах, а затем изменять свою собственную запланированную траекторию. В ходе тестирования их алгоритмическое исправление привело к 100-процентному успеху, гарантируя полеты без столкновений среди их группы дронов. Следующий шаг, говорит Хоу, — масштабировать алгоритмы, протестировать их на больших пространствах и, в конечном итоге, вылететь наружу.

Джонатан Хоу, родившийся в Англии, увлекся самолетами в юном возрасте благодаря тому, что много времени проводил на авиабазах со своим отцом, который много лет служил в Королевских ВВС. Однако, как вспоминает Хоу, в то время как другие дети хотели стать космонавтами, его любопытство больше было связано с техникой и механикой полета. Спустя годы, будучи студентом Университета Торонто, он проявил интерес к прикладной математике и исследованиям с участием нескольких транспортных средств применительно к авиационной и астронавтической технике. Он продолжил работу в аспирантуре и докторантуре Массачусетского технологического института, где участвовал в финансируемом НАСА эксперименте по передовым методам управления высокоточным наведением и контролем вибрации на космических кораблях. А после работы над распределенными космическими телескопами в качестве младшего преподавателя в Стэнфордском университете он вернулся в Кембридж, штат Массачусетс, чтобы присоединиться к профессорско-преподавательскому составу Массачусетского технологического института в 2000 году.

«Одна из ключевых проблем для любого автономного транспортного средства — как справиться с тем, что еще находится в окружающей среде», — говорит он. Для беспилотных автомобилей это означает, среди прочего, идентификацию и отслеживание пешеходов. Вот почему Хоу и его команда собирают в режиме реального времени данные с автономных автомобилей, оснащенных датчиками, предназначенными для отслеживания пешеходов, а затем используют эту информацию для создания моделей, позволяющих понять их поведение (например, на перекрестке), что позволяет автономным средство, позволяющее делать краткосрочные прогнозы и принимать более обоснованные решения о том, как действовать дальше. «Это очень шумный процесс прогнозирования, учитывая неопределенность мира», — признает Хау. «Настоящая цель — улучшить знания. Вы никогда не получите идеальных прогнозов. Вы просто пытаетесь понять неопределенность и уменьшить ее настолько, насколько можете».

В другом проекте How расширяет границы принятия решений в режиме реального времени для самолетов. В этих сценариях транспортным средствам приходится определять, где они находятся в окружающей среде, что еще находится вокруг них, а затем планировать оптимальный путь вперед. Более того, чтобы обеспечить достаточную гибкость, обычно необходимо иметь возможность регенерировать эти решения примерно 10-50 раз в секунду, как только становится доступной новая информация от датчиков на самолете. Мощные компьютеры существуют, но их стоимость, размер, вес и требования к мощности делают их размещение на небольших, маневренных самолетах непрактичным. Так как же быстро выполнить все необходимые вычисления — без ущерба для производительности — на компьютерах, которые легко поместятся в маневренный летательный аппарат?