Беспилотным авиационным системам (БАС) под управлением искусственного интеллекта помогают наработать собственный опыт для выбора безопасной траектории полета ученые факультета инновационных технологий (ФИТ) Национального исследовательского Томского государственного университета (ТГУ), 18 февраля сообщает пресс-служба вуза.
БПЛА под управлением БАС уже достаточно активно применяют во всем мире для мониторинга опасных зон, в ходе поисково-спасательных операций и даже в сельском хозяйстве. Однако полностью автономного пилотирования еще не удалось добиться никому. К реализации этой задачи приступили ученые ТГУ, взяв на вооружение машинное обучение ИИ. Руководитель проекта, заведующий кафедрой интеллектуальных технических систем ФИТ ТГУ Дмитрий Шашев пояснил его задачу: «Над обеспечением автономного управления БАС работают научные группы во всем мире. Пока даже ведущим центрам удается решать отдельные задачи, создаются разрозненные решения, но обеспечить полностью автономное пилотирование пока никто не смог. В решении этой задачи мы пошли по пути использования такой технологии ИИ, как глубокое машинное обучение с подкреплением (deep reinforcement learning). Классический подход машинного обучения, при котором нейросеть получает новые знания из библиотеки данных, в этом случае не подходит». Это происходит потому, что невозможно обеспечить для обучения ИИ такой набор данных (дата сет), который содержал бы все маршруты и условия окружающей среды для передачи их нейросети, поскольку они будут постоянно меняться. Поэтому ИИ нужно научить самостоятельно анализировать обстановку и принимать решения так, как это сделал бы человек. «Особенность глубокого машинного обучения с подкреплением заключается в том, что агент (ИИ, установленный на борту БАС) обучается методом проб и ошибок, как это делает ребенок. ИИ, приняв неправильное решение, будет корректировать свои действия. Таким образом, происходит непрерывное обучение», — продолжил свои пояснения Дмитрий Шашев. Хотя такое обучение более длительное, но может обеспечить хороший устойчивый эффект. С его помощью нейросеть обучается самостоятельно принимать решения в условиях меняющейся обстановки, что позволяет беспилотным роботам обходить препятствия и ориентироваться в пространстве. Ученые ФИТ в настоящее время ищут оптимальный вариант из существующего множества моделей ИИ с разной архитектурой нейросети, который бы подошел для автономного пилотирования БАС. При этом следует учитывать, что эту задачу система должна решать не на стационарном компьютере, а на борту БПЛА в режиме реального времени. Для обучения ИИ ученые ТГУ используют имитационное моделирование, которое позволяет создавать разные условия окружающей среды без риска серьезных поломок БАС. Но после того как ИИ получит базовый опыт полетов на виртуальном полигоне, последуют испытания на полигоне БАС ТГУ. Этот полигон, открытый в 2024 году, имеет высокотехнологичную систему для проведения испытаний, значительно расширившую возможности ученых ТГУ по исследованию БАС. Это обеспечивается в том числе установленной там Motion capture system — инновационной системой с 34 камерами по контуру помещения. Она, отслеживая маяки на объекте, позволяет исследовать его движение с точностью до 1 мм. Такой большой закрытый полигон БАС является единственным в России. Ученые факультета инновационных технологий ТГУ представят результаты своей работы по обучению БАС автономному пилотированию уже в конце 2025 года. glavno.smi.today
Свежие комментарии