Drones de formation pour une navigation sûre
Et si les drones et les robots pouvaient naviguer dans des environnements encombrés en toute sécurité sans planification de chemin complexe?Découvrez comment une nouvelle méthode évolue de quelques agents à des milliers.
Les ingénieurs du MIT ont développé une méthode de formation pour les systèmes multi-agents qui assure un fonctionnement sûr dans des environnements surpeuplés.Les marges et contrôles de sécurité apprises peuvent évoluer automatiquement vers des groupes plus grands en formant quelques agents, en maintenant la sécurité globale du système.Dans les tests du monde réel, les drones de la taille d'une paume ont réussi à changer de position à mi-chemin et ont atterri sur les véhicules en mouvement.Les simulations ont confirmé que la même formation, appliquée à quelques drones, pouvait être étendue à des milliers, permettant des opérations coordonnées à grande échelle tout en garantissant la sécurité.
Marges du centre commercial
L'équipe du MIT a développé une méthode pour former quelques agents à manœuvrer en toute sécurité d'une manière qui évolue efficacement vers des systèmes plus grands.Au lieu de planifier des chemins spécifiques pour chaque agent, la méthode leur permet de cartographier en permanence leurs marges de sécurité - des libaisons qui définissent un fonctionnement sûr.Les agents peuvent ensuite emprunter divers chemins pour accomplir les tâches tant qu'elles restent dans ces marges.Les chercheurs comparent cette approche de la façon dont les humains naviguent intuitivement dans leur environnement.
Barrière de sécurité
Dans leur étude, l'équipe du MIT a introduit GCBF + (Fonction de barrière de contrôle du graphique), une méthode pour assurer une navigation sûre dans les systèmes multi-agents.Une fonction de barrière définit une frontière de sécurité au-delà duquel un agent risque de devenir dangereux, et cette frontière change dynamiquement à mesure que les agents se déplacent et interagissent.Les approches traditionnelles nécessitent du calcul des zones de sécurité pour chaque agent par rapport à toutes les autres, qui peuvent être complexes en calcul.GCBF + simplifie cela en calculant les zones de sécurité pour seulement un petit sous-ensemble d'agents, représentant avec précision le comportement d'un système plus grand.La méthode considère que le rayon de détection d'un agent - comment une grande partie de son environnement peut observer - et utilise des simulations pour développer un contrôleur qui guide les agents tout en maintenant la sécurité.
L'équipe a testé GCBF + en utilisant huit Crazyflies, de petits drones quadrotants, qui ont réussi à ajuster leurs chemins en temps réel pour changer de position en plein air sans collisions.Les drones ont évité les uns les autres en cartographiant continuellement leurs zones de sécurité et en effectuant les corrections de cours nécessaires.Dans un autre test, les drones ont été chargés d'atterrir sur le déplacement des tortues, des robots roulés conduisant en cercle.Malgré le mouvement continu, les Crazyflies ont coordonné leurs atterrissages tout en évitant les collisions, démontrant l'efficacité de la méthode dans des environnements dynamiques.