Teadlased arendavad gaasilekke lokaliseerimiseks sülemidroone

Delfti tehnikaülikooli teadlased on välja töötanud kõigi aegade esimese pisikeste droonide sülemi, mis on võimelised kitsas sisekeskkonnas gaasilekkeid autonoomselt tuvastama ja lokaliseerima. Gaasilekke leidmiseks hoones või tööstusplatsil riskivad tuletõrjujad oma eluga, kuna allika tuvastamine võib võtta kaua aega. Nendel uutel droonidel võib selles valdkonnas olla suur mõju.

AI kujundamine droonide jaoks

Teadlaste suurimaks takistuseks oli keeruka ülesande jaoks vajaliku tehisintellekti (AI) kavandamine. Droonide väikese suuruse tõttu pidid arvutus- ja mäluosad neisse tihedalt mahtuma. Teadlased toetusid bio-inspireeritud navigeerimis- ja otsingustrateegiatele. 

. teadustöö avaldati ArXivi artikliserveris ja seda esitletakse aasta lõpus toimuval IROS-i robootikakonverentsil.

Mida on vaja autonoomse gaasiallika lokaliseerimiseks?

Autonoomse gaasiallika lokaliseerimise ülesanne on äärmiselt keeruline ja nõuab tehisgaasiandureid, mis ei ole väga võimelised tuvastama väikeseid gaasikoguseid. Samuti on neil raske jääda tundlikuks gaasikontsentratsiooni kiirete muutuste suhtes. 

Peale tegeliku ülesande tekitab probleeme ka keskkond, kui see on keeruline. Nendel põhjustel on traditsioonilised uuringud arenenud üksikute robotite ümber, mis otsivad gaasiallikat väikestes takistustevabades keskkondades. 

Guido de Croon on TLÜ Delfti mikroõhusõidukite labori täisprofessor. 

"Oleme veendunud, et pisikeste droonide sülemid on paljulubav viis autonoomse gaasiallika lokaliseerimiseks," ütleb Guido de Croon. Droonide väike suurus muudab need väga turvaliseks kõigile hoones olevatele inimestele ja varadele, samas kui nende lennuvõime võimaldab neil lõpuks otsida allikat kolmes mõõtmes. Veelgi enam, nende väiksus võimaldab neil lennata kitsastes siseruumides. Lõpuks, nende droonide sülem võimaldab neil gaasiallika kiiremini lokaliseerida, põgenedes samal ajal gaasi kontsentratsiooni kohalikest maksimumidest, et leida tõeline allikas.

Vaatamata nende omaduste eelistele muudavad need inseneride jaoks keeruliseks ka AI juurutamise droonidesse autonoomse gaasiallika lokaliseerimiseks. Pardal oleva tuvastuse ja töötlemisega seotud piirangute tõttu ei ole isejuhtivates sõidukites kasutatavad AI-algoritmid rakendatavad. Kuna nad tegutsevad sülemides, peavad droonid vältima ka koostöö tegemisel üksteisega kokkupõrkeid.

Bart Duisterhof viis läbi uurimistöö TLÜ Delftis. 

"Tegelikult on looduses palju näiteid edukast navigeerimisest ja lõhnaallikate lokaliseerimisest rangete ressursipiirangute raames," ütleb Duisterhof. "Mõelge vaid, kuidas puuviljakärbsed oma pisikeste ~100,000 XNUMX neuronist koosneva ajuga eksimatult teie köögis suvel banaane tuvastavad. Nad teevad seda, kombineerides elegantselt lihtsaid käitumisviise, näiteks vastutuult või tuulega risti lendamist, olenevalt sellest, kas nad tunnevad lõhna. Kuigi me ei saanud seda käitumist otseselt kopeerida, kuna meie robotitel õhuvooluandureid ei olnud, oleme oma robotitele ülesandega toimetulemiseks sisendanud sarnaselt lihtsaid käitumisviise.

Pisikesed droonid toetuvad uuele "vea" algoritmile nimega "Sniffy Bug", mis võimaldab droonidel enne gaasi tuvastamist laiali valguda. See võimaldab neil katta suuri keskkondi ja vältida takistusi või üksteist. 

Kui üks droonidest tunneb gaasi, annab see sellest teada teistele, kes teevad seejärel omavahel koostööd, et leida gaasiallikas võimalikult kiiresti. Täpsemalt otsivad droonid gaasi maksimaalset kontsentratsiooni algoritmiga, mida nimetatakse osakeste sülemi optimeerimiseks või PSO-ks, kus iga droon toimib osakesena. 

Algoritm oli inspireeritud linnuparvede sotsiaalsest käitumisest ja liikumisest, kusjuures iga droon liikus vastavalt oma tajutavale suurimale gaasikontsentratsiooni asukohale, sülemi kõrgeimale asukohale ning selle praegusele liikumissuunale ja inertsile. Üks PSO eeliseid on see, et see nõuab ainult gaasikontsentratsiooni mõõtmist ilma gaasikontsentratsiooni gradiendi või tuule suunata.

"See uurimus näitab, et pisikeste droonide sülemid võivad täita väga keerulisi ülesandeid," ütleb Guido. "Loodame, et see töö inspireerib teisi robootikauurijaid autonoomse lennu jaoks vajaliku AI tüübi ümbermõtestamiseks."