Ρομποτική και φυσική AI

Ερευνητές Ανάπτυξαν Σμήνη Drone για Τοποθέτηση Διαρροών Αερίου

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ερευνητές στο Πανεπιστήμιο Τεχνολογίας του Ντελφτ έχουν αναπτύξει το πρώτο σμήνος μικρών drone που είναι ικανά να ανιχνεύουν και να τοποθετούν αυτονομamente διαρροές αερίου σε στενά εσωτερικά περιβάλλοντα. Για να βρουν μια διαρροή αερίου σε ένα κτίριο ή βιομηχανική εγκατάσταση, οι πυροσβέστες κινδυνεύουν με τη ζωή τους, καθώς μπορεί να πάρει πολύ χρόνο για να ανιχνευθεί η πηγή. Αυτά τα νέα drone θα μπορούσαν να έχουν σημαντικές επιπτώσεις σε αυτήν την περιοχή.

Σχεδιασμός AI για τα Drone

Το μεγαλύτερο εμπόδιο για τους ερευνητές ήταν ο σχεδιασμός της τεχνητής νοημοσύνης (AI) που χρειαζόταν για την phứcική εργασία. Λόγω του μικρού μεγέθους των drone, τα υπολογιστικά και μνημονικά μέρη έπρεπε να ταιριάζουν σφιχτά μέσα τους. Οι ερευνητές βασίστηκαν σε βιο-εμπνευσμένες ναυτιλιακές και αναζητητικές στρατηγικές.

Η ερευνή δημοσιεύθηκε στο διακομιστή άρθρων ArXiv και θα παρουσιαστεί στη συνδιάσκεψη ρομποτικής IROS αργότερα μέσα στη χρονιά.

Τι Απαιτείται για Αυτόνομη Τοποθέτηση Πηγής Αερίου

Η εργασία της αυτόνομης τοποθέτησης πηγής αερίου είναι εξαιρετικά σύνθετη και απαιτεί τεχνητά αισθητήρια αερίου που δεν είναι πολύ ικανά στην ανίχνευση μικρών ποσοτήτων αερίου. Επίσης, δυσκολεύονται να παραμείνουν ευαίσθητα σε γρήγορες αλλαγές στις συγκεντρώσεις αερίου.

Εκτός από την πραγματική εργασία, το περιβάλλον προκαλεί επίσης προβλήματα όταν είναι σύνθετο. Για αυτούς τους λόγους, η παραδοσιακή έρευνα έχει εξελιχθεί γύρω από μονάχα ρομπότ που αναζητούν μια πηγή αερίου σε μικρά, εμπόδια-ελεύθερα περιβάλλοντα.

Ο Guido de Croon είναι Πλήρης Καθηγητής στο Εργαστήριο Μικρών Αεροπορικών Οχημάτων του TU Delft.

“Είμαστε πεπεισμένοι ότι τα σμήνη των μικρών drone είναι μια υποσχόμενη οδός για την αυτόνομη τοποθέτηση πηγής αερίου,” λέει ο Guido de Croon. “Το μικρό μέγεθος των drone τα καθιστά πολύ ασφαλή για τους ανθρώπους και την περιουσία που παραμένει ακόμη στο κτίριο, ενώ η ικανότητά τους να πετάνε θα τους επιτρέψει να αναζητήσουν τελικά την πηγή σε τρεις διαστάσεις. Επιπλέον, το μικρό μέγεθός τους τους επιτρέπει να πετάνε σε στενά εσωτερικά χώρους. Τέλος, το να έχουμε ένα σμήνος από αυτά τα drone μας επιτρέπει να τοποθετήσουμε μια πηγή αερίου πιο γρήγορα, ενώ ξεφεύγουμε από τα τοπικά μέγιστα της συγκέντρωσης αερίου για να βρούμε την πραγματική πηγή.”

Παρά τα οφέλη αυτών των ιδιοκτησιών, επίσης κάνουν δύσκολο για τους μηχανικούς να εφαρμόσουν AI στα drone για την αυτόνομη τοποθέτηση πηγής αερίου. Λόγω των περιορισμών γύρω από την αίσθηση και την επεξεργασία, οι αλγόριθμοι AI που χρησιμοποιούνται στα αυτονομμένα οχήματα δεν είναι εφαρμόσιμοι. Επειδή λειτουργούν σε σμήνη, τα drone χρειάζεται επίσης να αποφεύγουν την σύγκρουση μεταξύ τους ενώ συνεργάζονται.

Ο Bart Duisterhof πραγματοποίησε την έρευνα στο TU Delft.

“Στην πραγματικότητα, στη φύση υπάρχουν πολλά παραδείγματα επιτυχημένης ναυτιλίας και τοποθέτησης πηγής οσμής εντός αυστηρών περιορισμών πόρων,” λέει ο Duisterhof. “Σκεφτείτε πώς οι μύγες με τα μικρά εγκεφαλικά τους ~100.000 νευρώνες ανιχνεύουν ασφαλώς τις μπανάνες στην κουζίνα σας το καλοκαίρι. Το κάνουν αυτό συνδυάζοντας εύκολα συμπεριφορές όπως το πέταγμα ανάντι του ανέμου ή ορθογώνια προς τον άνεμο, ανάλογα με το αν αισθάνονται την οσμή. Αν και δεν μπορούσαμε να αντιγράψουμε αυτές τις συμπεριφορές λόγω της απουσίας αισθητήρων ροής αέρα στα ρομπότ μας, έχουμε ενσταλάξει στα ρομπότ μας παρόμοιες απλές συμπεριφορές για την αντιμετώπιση της εργασίας.”

https://www.youtube.com/watch?v=hj_SBSpK5qg

Τα μικρά drone βασίζονται σε einen νέο αλγόριθμο “bug” που ονομάζεται “Sniffy Bug”, ο οποίος τους επιτρέπει να διασκορπιστούν πριν ανιχνεύσουν οποιοδήποτε αέριο. Αυτό τους επιτρέπει να καλύψουν μεγαλύτερα περιβάλλοντα και να αποφύγουν εμπόδια ή ο ένας τον άλλον.

Μόλις ένα από τα drone ανιχνεύσει αέριο, επικοινωνεί αυτό με τα άλλα, τα οποία θα συνεργαστούν μεταξύ τους για να βρουν την πηγή αερίου όσο το δυνατόν γρηγορότερα. Πιο συγκεκριμένα, τα drone πραγματοποιούν μια αναζήτηση για τη μέγιστη συγκέντρωση αερίου με έναν αλγόριθμο που ονομάζεται “particle swarm optimization”, ή PSO, όπου κάθε drone ενεργεί ως σωματίδιο.

Ο αλγόριθμος εμπνεύστηκε από τη κοινωνική συμπεριφορά και κίνηση των σμηνών πουλιών, με κάθε drone να κινείται βάσει της δικής του αντίληψης της θέσης της υψηλότερης συγκέντρωσης αερίου, της θέσης της σμήνης, και της τρέχουσας κατεύθυνσης και αδράνειας. Ένα από τα οφέλη του PSO είναι ότι απαιτεί μόνο τη μέτρηση της συγκέντρωσης αερίου χωρίς τη διαβάθμιση συγκέντρωσης αερίου ή τη διεύθυνση του ανέμου.

“Αυτή η έρευνα δείχνει ότι τα σμήνη των μικρών drone μπορούν να εκτελέσουν πολύ σύνθετες εργασίες,” λέει ο Guido. “Ελπίζουμε ότι αυτό το έργο θα αποτελέσει έμπνευση για άλλους ερευνητές ρομποτικής να ξανασκέφτουν τον τύπο AI που είναι απαραίτητος για την αυτόνομη πτήση.”

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.