Дослідники розробили рій дронів для локалізації витоків газу

Дослідники з Дельфтського технологічного університету розробили перший у світі рій малих дронів, які можуть автономно виявляти та локалізувати витоки газу в тісних внутрішніх середовищах. Для пошуку витоку газу в будівлі або промисловому об’єкті людські пожежники ризикують своїм життям, оскільки це може зайняти багато часу. Ці нові дрони можуть мати великі наслідки в цій галузі.

Розробка штучного інтелекту для дронів

Найбільшим перешкодом для дослідників була розробка штучного інтелекту (ШІ), необхідного для складного завдання. Через малий розмір дронів, обчислювальні та пам’ятні частини мали бути щільно вписані в них. Дослідники покладалися на біоінспіровані стратегії навігації та пошуку.

Дослідження опубліковано на сервері статей ArXiv, і воно буде представлено на конференції з робототехніки IROS пізніше цього року.

Що потрібно для автономної локалізації джерела газу

Завдання автономної локалізації джерела газу дуже складне і вимагає штучних газових сенсорів, які не дуже здатні виявляти малих кількості газу. Вони також мають труднощі з підтриманням чутливості до швидких змін концентрації газу.

Крім самого завдання, середовище також викликає проблеми, коли воно складне. Через ці причини традиційні дослідження розвивалися навколо окремих роботів, які шукають джерело газу в малих, безперешкодних середовищах.

Гвідо де Крон – професор лабораторії мікроавіації ТУ Дельфт.

“Ми переконані, що рій малих дронів – це перспективний напрямок для автономної локалізації джерела газу”, – говорить Гвідо де Крон. “Малий розмір дронів робить їх дуже безпечними для людей і майна, яке все ще знаходиться в будівлі, тоді як їхня здатність літати дозволить їм в кінцевому підсумку шукати джерело в трьох вимірах. Крім того, їхній малий розмір дозволяє їм літати в вузьких внутрішніх зонах. Нарешті, наявність рою цих дронів дозволяє їм локалізувати джерело газу швидше, а також уникати локальних максимумів концентрації газу, щоб знайти справжнє джерело.”

Незважаючи на переваги цих властивостей, вони також роблять його складним для інженерів реалізувати ШІ в дронів для автономної локалізації джерела газу. Через обмеження навколо бортових сенсорів і обробки, алгоритми ШІ, які використовуються в самоходних транспортних засобах, не застосовуються. Через те, що вони діють у роях, дронам також потрібно уникати зіткнень один з одним під час співробітництва.

Барт Дуйстергоф виконав дослідження в ТУ Дельфт.

“Фактично, в природі є багато прикладів успішної навігації та локалізації джерела запаху в умовах суворих обмежень ресурсів”, – говорить Дуйстергоф. “Просто подумайте, як плодові мухи з їхнім малим мозком з ~100 000 нейронів невпинно знаходять банани на вашій кухні влітку. Вони роблять це, елегантно поєднуючи прості поведінки, такі як політ проти вітру або ортогонально до вітру, залежно від того, чи відчувають вони запах. Хоча ми не могли безпосередньо скопіювати ці поведінки через відсутність датчиків повітряного потоку на наших роботах, ми наділили наших роботів подібними простими поведінками, щоб впоратися з завданням.”

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

Малі дрони покладаються на новий алгоритм “баг” під назвою “Sniffy Bug”, який дозволяє їм розосередитися, перш ніж вони виявлять будь-який газ. Це дозволяє їм покрити великі середовища і уникнути перешкод або один одного.

Як тільки один з дронів відчуває газ, він передає цю інформацію іншим, які потім співпрацюють один з одним, щоб знайти джерело газу якомога швидше. Конкретніше, дрони виконують пошук максимальної концентрації газу за допомогою алгоритму “оптимізація частинки”, або PSO, де кожен дрон діє як частинка.

Алгоритм був натхнений соціальним поведінкою та рухом зграй птахів, де кожен дрон рухається на основі свого найбільшого місця концентрації газу, місця найбільшої концентрації зграй, та його поточного напрямку руху та інерції. Однією з переваг PSO є те, що він вимагає лише вимірювання концентрації газу без градієнта концентрації газу або напрямку вітру.

“Це дослідження показує, що рій малих дронів може виконувати дуже складні завдання”, – говорить Гвідо. “Ми сподіваємося, що ця робота стане джерелом натхнення для інших дослідників робототехніки, щоб переосмислити тип штучного інтелекту, необхідний для автономного польоту.”