Ερευνητές αναπτύσσουν Swarm Drone για να εντοπίσουν τις διαρροές αερίου

Ερευνητές στο Τεχνολογικό Πανεπιστήμιο του Ντελφτ ανέπτυξαν το πρώτο σμήνος μικροσκοπικών drones που είναι ικανά να ανιχνεύουν και να εντοπίζουν αυτόνομα διαρροές αερίου σε στενά εσωτερικά περιβάλλοντα. Για να εντοπίσουν μια διαρροή αερίου σε ένα κτίριο ή βιομηχανικό χώρο, οι πυροσβέστες ρισκάρουν τη ζωή τους, καθώς μπορεί να χρειαστεί πολύς χρόνος για να εντοπιστεί η πηγή. Αυτά τα νέα drones θα μπορούσαν να έχουν σημαντικές επιπτώσεις σε αυτόν τον τομέα.

Σχεδιασμός AI για τα Drone

Το μεγαλύτερο εμπόδιο για τους ερευνητές ήταν να σχεδιάσουν την τεχνητή νοημοσύνη (AI) που απαιτείται για την περίπλοκη εργασία. Λόγω του μικροσκοπικού μεγέθους των drones, τα εξαρτήματα υπολογισμού και μνήμης έπρεπε να ταιριάζουν σφιχτά σε αυτά. Οι ερευνητές βασίστηκαν σε βιολογικά εμπνευσμένες στρατηγικές πλοήγησης και αναζήτησης. 

Η έρευνα δημοσιεύτηκε στον διακομιστή άρθρων ArXiv και θα παρουσιαστεί στο συνέδριο ρομποτικής IROS αργότερα μέσα στο έτος.

Τι απαιτείται για τον αυτόνομο εντοπισμό πηγής αερίου

Το έργο του εντοπισμού της αυτόνομης πηγής αερίου είναι εξαιρετικά περίπλοκο και απαιτεί τεχνητούς αισθητήρες αερίου που δεν είναι πολύ ικανοί να ανιχνεύουν μικρές ποσότητες αερίου. Επίσης, αγωνίζονται να παραμείνουν ευαίσθητοι στις γρήγορες αλλαγές στις συγκεντρώσεις των αερίων. 

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

Ο Guido de Croon είναι τακτικός καθηγητής στο εργαστήριο Micro Air Vehicle του TU Delft. 

«Είμαστε πεπεισμένοι ότι τα σμήνη από μικροσκοπικά drones είναι μια πολλά υποσχόμενη λεωφόρος για τον εντοπισμό της αυτόνομης πηγής αερίου», λέει ο Guido de Croon. «Το μικροσκοπικό μέγεθος των drones τα καθιστά πολύ ασφαλή για οποιονδήποτε άνθρωπο και ιδιοκτησία βρίσκεται ακόμα στο κτίριο, ενώ η ικανότητα πτήσης τους θα τους επιτρέψει να αναζητήσουν τελικά την πηγή σε τρεις διαστάσεις. Επιπλέον, το μικρό τους μέγεθος τους επιτρέπει να πετούν σε στενούς εσωτερικούς χώρους. Τέλος, η ύπαρξη ενός σμήνος από αυτά τα drones τους επιτρέπει να εντοπίσουν μια πηγή αερίου πιο γρήγορα, ενώ ξεφεύγουν από τα τοπικά μέγιστα συγκέντρωσης αερίου για να βρουν την αληθινή πηγή».

Παρά τα οφέλη αυτών των ιδιοτήτων, δυσκολεύουν επίσης τους μηχανικούς να εφαρμόσουν τεχνητή νοημοσύνη στα drones για τον αυτόνομο εντοπισμό της πηγής αερίου. Λόγω των περιορισμών σχετικά με την ενσωματωμένη αίσθηση και επεξεργασία, οι αλγόριθμοι τεχνητής νοημοσύνης που χρησιμοποιούνται στα αυτόνομα οχήματα δεν ισχύουν. Επειδή λειτουργούν σε σμήνη, τα drones πρέπει επίσης να αποφεύγουν τη σύγκρουση μεταξύ τους ενώ συνεργάζονται.

Ο Bart Duisterhof πραγματοποίησε την έρευνα στο TU Delft. 

«Στην πραγματικότητα, στη φύση υπάρχουν πολλά παραδείγματα επιτυχημένης πλοήγησης και εντοπισμού της πηγής οσμής εντός αυστηρών περιορισμών πόρων», λέει ο Duisterhof. «Σκεφτείτε πώς οι φρουτόμυγες με τους μικροσκοπικούς εγκεφάλους τους ~ 100,000 νευρώνων εντοπίζουν αλάνθαστα τις μπανάνες στην κουζίνα σας το καλοκαίρι. Αυτό το κάνουν συνδυάζοντας κομψά απλές συμπεριφορές όπως το να πετούν αντίθετα ή ορθογώνια στον άνεμο ανάλογα με το αν αισθάνονται τη μυρωδιά. Αν και δεν μπορέσαμε να αντιγράψουμε απευθείας αυτές τις συμπεριφορές λόγω της απουσίας αισθητήρων ροής αέρα στα ρομπότ μας, έχουμε ενσταλάξει στα ρομπότ μας παρόμοιες απλές συμπεριφορές για να αντιμετωπίσουν την εργασία.»

Τα μικροσκοπικά drones βασίζονται σε έναν νέο αλγόριθμο «bug» που ονομάζεται «Sniffy Bug», ο οποίος επιτρέπει στα drones να απλώνονται πριν ανιχνεύσουν οποιοδήποτε αέριο. Αυτό τους επιτρέπει να καλύπτουν μεγάλα περιβάλλοντα και να αποφεύγουν εμπόδια ή μεταξύ τους. 

Μόλις ένα από τα drones ανιχνεύσει αέριο, το κοινοποιεί στους άλλους, οι οποίοι στη συνέχεια θα συνεργαστούν μεταξύ τους για να βρουν την πηγή αερίου όσο το δυνατόν γρηγορότερα. Πιο συγκεκριμένα, τα drones πραγματοποιούν αναζήτηση για τη μέγιστη συγκέντρωση αερίου με έναν αλγόριθμο που ονομάζεται «βελτιστοποίηση σμήνος σωματιδίων» ή PSO, όπου κάθε drone λειτουργεί ως σωματίδιο. 

Ο αλγόριθμος εμπνεύστηκε από την κοινωνική συμπεριφορά και την κίνηση των κοπαδιών πουλιών, με κάθε drone να κινείται με βάση τη δική του αντιληπτή θέση υψηλότερης συγκέντρωσης αερίων, την υψηλότερη θέση του σμήνους και την τρέχουσα κατεύθυνση και αδράνεια κίνησης. Ένα από τα πλεονεκτήματα του PSO είναι ότι απαιτεί μόνο τη μέτρηση της συγκέντρωσης του αερίου χωρίς την κλίση συγκέντρωσης αερίου ή την κατεύθυνση του ανέμου.

«Αυτή η έρευνα δείχνει ότι σμήνη από μικροσκοπικά drones μπορούν να εκτελέσουν πολύ περίπλοκες εργασίες», λέει ο Guido, «Ελπίζουμε ότι αυτή η εργασία αποτελεί έμπνευση για άλλους ερευνητές ρομποτικής να ξανασκεφτούν τον τύπο της τεχνητής νοημοσύνης που είναι απαραίτητος για την αυτόνομη πτήση».