Команда дослідників із Шанхайського університету Цзяо Тун представила проривну технологію, яка дозволяє групам дронів автономно літати в складних умовах із високою швидкістю, не покладаючись на складні обчислювальні ресурси чи централізоване управління. Їхній підхід базується на компактній штучній нейронній мережі, натхненній природною навігаційною поведінкою комах, зокрема мух.
Ключовим елементом цієї системи є ультралегка модель, що складається лише з трьох згорткових шарів загальним обсягом менше 2 мегабайт. Вона працює на дешевому мікроконтролері вартістю близько 21 долара, обробляє дані з глибини зображення в наднизькій роздільній здатності 12×16 пікселів і миттєво формує керуючі сигнали для навігації дронів. Таким чином, навіть при скромних апаратних можливостях система забезпечує ефективне ухилення від перешкод і точну координацію руху в реальному часі.
На відміну від класичних автономних платформ, де навігаційна задача розбивається на кілька незалежних модулів, як-от картографування, локалізація і планування траєкторії, ця система використовує наскрізну архітектуру — від сприйняття до дії. Це дозволяє значно зменшити час реакції і підвищити стійкість до збоїв або змін у навколишньому середовищі.
Особливість підходу полягає також у тому, що вся навчальна процедура проходила виключно у віртуальному симуляторі, обладнаному диференційовним фізичним рушієм. Модель була натренована за дві години на одному графічному процесорі RTX 4090, без потреби у великих наборах даних або ручних демонстраціях.
Система дозволяє одночасну навігацію кількох дронів без потреби в централізованому координуванні чи прямому зв’язку між пристроями. Під час тестів апарати безпечно літали зі швидкістю до 20 метрів на секунду, ефективно уникаючи зіткнень як із перешкодами, так і між собою.
Читайте також: Нова технологія Wi-Fi ідентифікує людину за рухом без допоміжної техніки
За словами професорів Даньпіна Цзоу і Вейяо Ліня, їхній підхід демонструє три ключові принципи: по-перше, компактні моделі здатні вирішувати складні навігаційні завдання; по-друге, ефективне навчання можливе без гігантських масивів даних; і по-третє, навіть низькоякісні сенсорні дані можуть забезпечити точне управління за наявності фізично обґрунтованої моделі світу.
На наступному етапі команда планує перевірити використання оптичного потоку замість карт глибини, що ще більше наблизить систему до біологічних стратегій, які використовують комахи в природі. Результати дослідження вже опубліковані в журналі Nature Machine Intelligence, що підкреслює значимість і потенціал цього підходу в галузі робототехніки та автономних систем. Джерело
