Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Industrial Internet of Things >> Sensor

Kecerdasan Buatan Memandu Drone untuk Menavigasi Lautan

Insinyur di Caltech, ETH Zurich, dan Harvard sedang mengembangkan kecerdasan buatan (AI) yang memungkinkan drone otonom menggunakan arus laut untuk membantu navigasi mereka, daripada berjuang melewatinya.

"Ketika kami ingin robot menjelajahi laut dalam, terutama dalam kawanan, hampir tidak mungkin untuk mengendalikan mereka dengan joystick dari jarak 20.000 kaki di permukaan. Kami juga tidak dapat memberi mereka data tentang arus laut lokal yang mereka butuhkan untuk bernavigasi karena kami tidak dapat mendeteksi mereka dari permukaan. Sebaliknya, pada titik tertentu kami membutuhkan drone yang dibawa ke laut untuk dapat membuat keputusan tentang cara bergerak sendiri," kata Profesor John O. Dabiri.

Kinerja AI diuji menggunakan simulasi komputer, tetapi tim di balik upaya tersebut juga telah mengembangkan robot kecil seukuran telapak tangan yang menjalankan algoritme pada chip komputer kecil yang dapat memberi daya pada drone di laut baik di Bumi maupun di planet lain. Tujuannya adalah untuk membuat sistem otonom untuk memantau kondisi lautan di planet ini, misalnya menggunakan algoritma yang dikombinasikan dengan prostetik yang sebelumnya mereka kembangkan untuk membantu ubur-ubur berenang lebih cepat dan sesuai perintah. Robot yang sepenuhnya mekanis yang menjalankan algoritme bahkan dapat menjelajahi lautan di dunia lain, seperti Enceladus atau Europa.

Dalam kedua skenario, drone harus dapat membuat keputusan sendiri tentang ke mana harus pergi dan cara paling efisien untuk sampai ke sana. Untuk melakukannya, mereka kemungkinan hanya akan memiliki data yang dapat mereka kumpulkan sendiri — informasi tentang arus air yang mereka alami saat ini.

Untuk mengatasi tantangan ini, para peneliti beralih ke jaringan pembelajaran penguatan (RL). Dibandingkan dengan jaringan saraf konvensional, jaringan pembelajaran penguatan tidak melatih pada kumpulan data statis melainkan melatih secepat mereka dapat mengumpulkan pengalaman. Skema ini memungkinkan mereka ada di komputer yang jauh lebih kecil. Untuk keperluan proyek ini, tim menulis perangkat lunak yang dapat diinstal dan dijalankan pada Teensy — mikrokontroler 2,4 inci kali 0,7 inci yang dapat dibeli siapa pun dengan harga kurang dari $30 di Amazon dan hanya menggunakan daya sekitar setengah watt.

Menggunakan simulasi komputer di mana aliran melewati rintangan di air menciptakan beberapa pusaran bergerak ke arah yang berlawanan, tim mengajarkan AI untuk menavigasi sedemikian rupa sehingga mengambil keuntungan dari daerah berkecepatan rendah setelah pusaran untuk meluncur ke pantai. lokasi target dengan penggunaan daya minimal. Untuk membantu navigasinya, perenang simulasi hanya memiliki akses ke informasi tentang arus air di lokasi terdekatnya, namun segera belajar bagaimana memanfaatkan pusaran untuk meluncur menuju target yang diinginkan. Dalam robot fisik, AI juga hanya memiliki akses ke informasi yang dapat dikumpulkan dari giroskop dan akselerometer onboard, yang keduanya merupakan sensor yang relatif kecil dan murah untuk platform robot.

Navigasi semacam ini analog dengan cara elang dan elang mengendarai termal di udara, mengekstrak energi dari arus udara untuk bermanuver ke lokasi yang diinginkan dengan energi minimum. Yang mengejutkan, para peneliti menemukan bahwa algoritme pembelajaran penguatan mereka dapat mempelajari strategi navigasi yang bahkan lebih efektif daripada yang diperkirakan digunakan oleh ikan asli di laut.

Teknologi ini masih dalam tahap awal:saat ini, tim ingin menguji AI pada setiap jenis gangguan aliran yang berbeda yang mungkin ditemui dalam misi di lautan — misalnya, pusaran pusaran versus arus pasang surut yang mengalir — untuk menilai keefektifannya di alam liar. Namun, dengan memasukkan pengetahuan mereka tentang fisika aliran laut dalam strategi pembelajaran penguatan, para peneliti bertujuan untuk mengatasi keterbatasan ini. Penelitian mereka membuktikan potensi efektivitas jaringan RL dalam mengatasi tantangan ini — terutama karena mereka dapat beroperasi pada perangkat kecil seperti itu. Untuk mencobanya di lapangan, tim menempatkan Teensy pada drone yang dibuat khusus yang dijuluki "CARL-Bot" (Robot Pembelajaran Penguatan Otonom Caltech). CARL-Bot akan dijatuhkan ke tangki air dua lantai yang baru dibangun di kampus Caltech dan diajarkan untuk menavigasi arus laut.


Sensor

  1. Arrow Electronics mengumumkan Tur Pengalaman Kecerdasan Buatan
  2. Bosch Menambahkan Kecerdasan Buatan ke Industri 4.0
  3. Apakah kecerdasan buatan fiksi atau iseng?
  4. Evolusi Otomasi Tes dengan Kecerdasan Buatan
  5. Bagaimana Otomatisasi dan Kecerdasan Buatan Dapat Meningkatkan Keamanan Siber
  6. Menggunakan Kecerdasan Buatan untuk Melacak Deforestasi
  7. Robot Kecerdasan Buatan
  8. Kecerdasan Buatan Bukan Aplikasi; Ini adalah Metodologi
  9. Keuntungan dan kerugian kecerdasan buatan
  10. Data Besar vs Kecerdasan Buatan