رفتن به محتوا
ittechwire

اخبار فناوری با منابع روشن

  1. خانه
  2. هوش مصنوعی

هوش مصنوعی

پژوهشگران MIT سیستم SANDO را معرفی کردند؛ برنامه‌ریز مسیر پهپاد با تضمین رسمی عدم برخورد

این روش مسیرهای پرواز را در فضاهای نقشه‌برداری‌نشده‌ای که موانع در آن‌ها به‌شکلی پیش‌بینی‌ناپذیر حرکت می‌کنند برنامه‌ریزی می‌کند و به گفته سازندگانش، از نظر ریاضی اثبات شده است که از برخورد اجتناب می‌کند، به‌شرط آنکه بداند آن موانع حداکثر با چه سرعتی می‌توانند حرکت کنند.

تحریریهٔ ittechwire5 دقیقه مطالعهمنابع: 2ترجمه با هوش مصنوعی · زبان اصلی: English
یک پهپاد کوچک چهارپره (کوادکوپتر) سیاه در حال پرواز در برابر آسمان آبی با ابرها؛ این یک پهپاد عمومی است، نه پهپادی که در آزمایش‌های MIT به کار رفته است
Project Kei · CC BY-SA 4.0

نکات کلیدی

  1. 1SANDO مسیرهای پرواز پهپاد را در فضاهای نقشه‌برداری‌نشده با موانع متحرک برنامه‌ریزی می‌کند و به گفته سازندگانش، اثبات شده است که از برخورد اجتناب می‌کند.
  2. 2این تضمین به یک ورودی کلیدی نیاز دارد: بیشترین سرعتی که موانع می‌توانند به آن برسند.
  3. 3یک کریدور ایمنی متغیر با زمان، هر مانع متحرک را با کره‌ای احاطه می‌کند که همه جاهایی را که آن مانع در زمانی معین می‌تواند به آن‌ها برسد پوشش می‌دهد.
  4. 4در شبیه‌سازی‌ها، بدون برخورد و زودتر از چندین برنامه‌ریز پیشرفته (state-of-the-art) به هدف رسید و در 12 پرواز آزمایشی واقعی از همه موانع متحرک اجتناب کرد.
  5. 5این پژوهش به سرپرستی کوتا کوندو و با نویسندگی ارشد جاناتان پی. هاو در نشریه IEEE Transactions on Robotics منتشر شده است.

متن کامل خبر

پژوهشگران MIT یک برنامه‌ریز مسیر (trajectory planner) برای وسایل پرنده بدون سرنشین (پهپادها یا UAV) به نام SANDO را توصیف کرده‌اند که مخفف Safe AutoNomous trajectory planning for Dynamic unknOwn environments (برنامه‌ریزی ایمن و خودران مسیر برای محیط‌های پویا و ناشناخته) است. به گزارش MIT News که این کار را در 7 اکتبر اعلام کرد، این سیستم در محیطی که پهپاد هرگز آن را نقشه‌برداری نکرده است مسیری ترسیم می‌کند، حتی وقتی اشیای درون آن به شیوه‌هایی حرکت می‌کنند که هیچ‌کس نمی‌تواند پیش‌بینی کند، و تیم به‌طور ریاضی اثبات کرده است که مسیرهای حاصل از برخورد اجتناب می‌کنند. این مقاله در نشریه IEEE Transactions on Robotics منتشر شده است. پژوهشگران به کاربردهایی مانند پروازهای جست‌وجو و نجات به درون ساختمان‌های فروریخته، کاوش شبکه‌های پنهان تونل در معادن یا تحویل بسته در محله‌های شلوغ اشاره می‌کنند.

برنامه‌ریزهایی از این دست، داده‌های دوربین و حسگرهای پرنده را به مسیری به سوی هدف آن تبدیل می‌کنند. به گفته MIT، بیشتر برنامه‌ریزهای موجود یا فرض می‌کنند که موانع در یک فضای ناشناخته ثابت می‌مانند، یا بدون هیچ تعهد رسمی مبنی بر اینکه برخوردی رخ نخواهد داد، از کنار موانع متحرک عبور می‌کنند؛ سیستم‌های پرکاربردی که چنین تضمین‌هایی ارائه می‌دهند، عموماً به صحنه‌ای ایستا یا موانعی که از پیش شناخته شده‌اند نیاز دارند. به گفته پژوهشگران، بررسی همه برخوردهای ممکن در صحنه‌ای در حال تغییر برای استفاده عملی بیش از حد کند خواهد بود. کوتا کوندو، نویسنده اصلی مقاله، در اطلاعیه MIT این‌گونه بیان می‌کند: «در یک محیط پویای ناشناخته، فرض‌های زیادی ندارید که بتوانید به آن‌ها تکیه کنید.»

SANDO ابتدا یک کریدور ایمنی (safety corridor) می‌سازد؛ زنجیره‌ای از نواحی سه‌بعدی (3D) به‌هم‌پیوسته که هیچ مانعی در آن‌ها نیست و پهپاد می‌تواند از میان آن‌ها پرواز کند. برخلاف کریدورهای پیشین، این کریدور با گذشت زمان تغییر می‌کند. یک ماژول اختصاصی موانع متحرک را شناسایی، گروه‌بندی و ردیابی می‌کند تا تخمین بزند به کدام سو می‌روند. از آنجا که مسیر دقیق آینده آن‌ها معلوم نیست، برنامه‌ریز حداکثر سرعت هر مانع را در نظر می‌گیرد، محاسبه می‌کند که آن مانع در زمانی معین تا کجا می‌تواند برسد و آن را درون کره‌ای قرار می‌دهد که همه نقاطی را که ممکن است به آن‌ها برسد پوشش می‌دهد؛ سپس کریدور پیرامون این کره‌ها شکل داده می‌شود. یک برنامه‌ریز مبتنی بر نقشه حرارتی (heat map) نواحی شلوغ و «داغ» را علامت‌گذاری می‌کند تا پهپاد از آن‌ها دور هدایت شود. SANDO درون کریدور به دنبال سریع‌ترین مسیر به سوی هدف می‌گردد و در طول پرواز، هم کریدور و هم مسیر را پیوسته بازبینی می‌کند. تیم بهینه‌سازی زیربنایی را ساده کرده است تا رایانه داخلی پرنده (onboard computer) بتواند به‌سرعت دوباره برنامه‌ریزی کند.

به گزارش پژوهشگران، SANDO در شبیه‌سازی‌ها سریع‌تر از چندین سیستم پیشرفته (state-of-the-art) به هدف رسید و در هیچ‌یک از محیط‌های آزمایش‌شده برخوردی نداشت. در 12 پرواز آزمایشی با یک پهپاد واقعی که با رایانه و حسگرهای خود پرنده اجرا می‌شد، از همه موانع متحرک اجتناب کرد. کوندو می‌گوید: «دشوارترین بخش توسعه SANDO، ریاضیات آن بود.» کوندو که به‌تازگی دوره دکتری خود را در رشته هوانوردی و فضانوردی در MIT به پایان رسانده است، این مقاله را با خسوس تردسیاس، که اکنون استادیار دانشگاه پاپی کومیاس (Comillas) در مادرید است، و سه دانشجوی تحصیلات تکمیلی MIT به نام‌های خوان راچد، لیلی سون و ییشوان جیا نوشته است. جاناتان پی. هاو، که در آزمایشگاه سیستم‌های اطلاعات و تصمیم‌گیری (LIDS) و آزمایشگاه کنترل هوافضای MIT فعالیت می‌کند، نویسنده ارشد مقاله است. آژانس علم و فناوری دفاعی سنگاپور بخشی از هزینه این پژوهش را تأمین کرده است.

فی گائو از دانشگاه ژجیانگ (Zhejiang) در چین، دانشیاری که نقشی در این پروژه نداشته است، مسئله‌ای را که این برنامه‌ریز هدف گرفته چنین خلاصه کرد: «مسیری که هنگام برنامه‌ریزی ایمن است، ممکن است با تغییر محیط ناایمن شود.» او کریدورهای پروازی متغیر با زمان (time-varying)، بهینه‌سازی مسیر با قیدهای سخت و آزمون‌های سخت‌افزاری SANDO را ارائه‌دهنده رویکردی عملی برای محیط‌های پویای پیچیده می‌داند. پژوهشگران می‌گویند که به‌عنوان گام‌های بعدی می‌توانند SANDO را از نظر محاسباتی کم‌هزینه‌تر کنند و آن را با مدل‌های یادگیری ماشین ترکیب کنند تا کاربران بتوانند به زبان ساده به ربات دستور دهند. MIT News همچنین پیوندی به کد SANDO را در کنار مقاله آورده است.

چرا مهم است

پهپادهایی که به آتش‌سوزی‌های جنگلی، ساختمان‌های فروریخته یا خیابان‌های شلوغ فرستاده می‌شوند با موانعی روبه‌رو می‌شوند که هیچ نقشه‌ای نمی‌تواند از پیش فهرستشان کند، و MIT خاطرنشان می‌کند که تضمین‌های رسمی ایمنی تاکنون عمدتاً به صحنه‌های ایستا یا موانع شناخته‌شده نیاز داشته‌اند. برنامه‌ریزی که در حین کشف اشیای متحرک و واکنش به آن‌ها اثبات ایمنی خود را حفظ کند، می‌تواند توجیه پروازهای خودران در چنین مکان‌هایی را آسان‌تر کند؛ برای نمونه هنگام رساندن تجهیزات پزشکی به محل یک فاجعه. با این حال، این تضمین بر یک فرض استوار است: برنامه‌ریز باید حد بالای سرعت حرکت موانع را بداند. شواهد سخت‌افزاری تاکنون از 12 پرواز آزمایشی به دست آمده است، بنابراین عملکرد این روش فراتر از این آزمایش‌ها هنوز باید نشان داده شود.

گاه‌شمار

  1. · منتشرشده

موضوع‌ها#پهپادها#رباتیک#ناوبری خودران#برنامه‌ریزی مسیر#MIT

منابع

این خبر بر منابع زیر استوار است. برای بافت کامل، آن‌ها را بخوانید.

  1. 1MIT News · منبع دست‌اولPlanning system ensures a robot’s flight path will remain collision-freenews.mit.edu
  2. 2Tech Xplore · گزارش خبری'SANDO' system ensures a robot's flight path will remain collision-free in uncharted territorytechxplore.com