Чтобы улучшить работу автономных беспилотников, нужно заставить их конкурировать с людьми. От человека-оператора требуется серьезное мастерство, чтобы на большой скорости управлять дроном внутри замкнутого пространства. Создавая алгоритмы, которые копируют и превосходят эти навыки, можно создать поколение беспилотников с по-настоящему впечатляющими возможностями. Именно такой алгоритм разработали ученые Цюрихского университета.
Гонки дронов
За несколько лет гонки дронов прошли путь от нишевого увлечения любителей авиации до профессионального вида спорта. Одна из крупнейших организаций в этом спорте - Лига гоночных дронов (Drone Racing League).
В 2019 году Лига впервые провела соревнование среди разработчиков автономных беспилотников. Команды со всего мира выставляли на гонку дроны, которые должны были проходить воздушные гоночные трассы без вмешательства живого оператора. То есть, дроны должны были сами прокладывать себе маршруты среди препятствий, и делать это как можно быстрее.
Победителем в гонке автономных дронов 2019 года стал беспилотник, разработанный в Делфтском университете (Нидерланды). Он прошел трассу на 12% быстрее, чем дрон, занявший второе место. Но когда этот же дрон вышел на гонку против человеческого чемпиона - Габриэля «Gab707» Кохера - он отстал на целых пять секунд.
Теперь, менее чем через два года, исследователи Цюрихского университета смогли разработать алгоритм, который превосходит возможности человеческих операторов.
Совершенный алгоритм
По словам ученых, предыдущие алгоритмы для автономных беспилотников не использовали возможности машин на полную и часто использовали оптимальные траектории полета. Новый алгоритм позволяет летать на пределе аппаратных возможностей беспилотника и вычисляет «оптимальные по времени траектории».
«Новизна алгоритма заключается в том, что он генерирует оптимальные по времени траектории, которые полностью учитывают ограничения беспилотников», - говорит автор исследования Давиде Скарамуцца.
Команда проверила эффективность своего алгоритма, используя его, чтобы провести квадрокоптер по гоночному треку. Внешние камеры использовались для захвата движения дрона и в режиме реального времени передавали ему информацию о его текущем местоположении. Эту информацию алгоритм использовал для самостоятельного планирования дальнейших действий. В конце концов алгоритму удалось составить оптимальный маршрут и пройти его на предельно возможной скорости.
Когда автономный беспилотник завершил полет, управление машиной передали профессиональным пилотам, которые имели возможность потренироваться на данном треке заранее. Профессионалы так и не смогли побить рекорд, установленный алгоритмом. Ученые говорят, что это первый раз, когда автономный квадрокоптер превзошел человеческих пилотов в гонке дронов.
Впрочем, чемпионам Drone Racing League пока не стоит волноваться - в профессиональных гонках алгоритм пока участвовать не может. В отличие от человека, алгоритм пока не способен планировать свои действия на лету. Чтобы составить оптимальную траекторию, дрону потребовалось около часа летать по гоночному треку. Только когда траектория была полностью прочитана, дрон стал непобедимым. Но если бы ему пришлось импровизировать, человек бы все равно победил.
Для сложных расчетов в режиме реального времени алгоритму пока банально не достает вычислительной мощности. Впрочем, в ближайшие годы ученые планируют оптимизировать свою разработку.
Исследование опубликовано в журнале Science Advances.
