Как дрессируют вертолеты: искусственный интеллект

Как дрессируют вертолеты: искусственный интеллект

    Винтокрылая акробатика В пилотировании радиоуправляемых моделей вертолетов ИИ уже превзошел человека. Что будет дальше?
    Верховный класс Сложнейшие фигуры высшего пилотажа, и долгий полет в перевернутом состоянии сейчас не воображают для пилота-робота никаких неприятностей. Преподавателем автомобили стал умелый пилот-специалист.
    Авторотация Руководя только главным ротором при отключенной силовой установке, робот совершенно верно и последовательно проводит вертолет через выравнивания и фазы снижения и мягко опускает его на землю.
    На фото слева прекрасно видна аппаратура, установленная на борту модели. Направленные GPS-антенны (над хвостом и в левом нижнем углу кадра) разрешают совершенно верно определять положение аппарата в пространстве.
    На правой картине — экран симулятора. С его помощью отрабатывался метод управления независимым вертолетом.

Командует командой доктор наук Стэнфордского университета Эндрю Энг. Данный уроженец Восточной Азии, носящий на своем важном лице очки в узкой железной оправе, больше похож не на авиатора, а на компьютерного гения, коим он, фактически, и есть. Доктор наук Энг — сотрудник и математик факультета вычислительной техники — совместно со собственными учениками играется в забавные игрушки.

Среди них робот, смонтированный на электронном самокате Segway, четвероногое что-то, названное авторами «мелкий песик», и большое количество радиоуправляемых моделей вертолетов. В руках стэнфордских исследователей все эти неодушевленные предметы быстро «умнеют», обучаясь функционировать в изменяющейся среде самостоятельно, без помощи человека, а время от времени превосходя его.

Мы привыкли к мысли о всемогуществе роботов и чаще вспоминаем о том, что они могут, чем о том, чего они не могут либо что им дается с большим трудом. Верно запрограммированная машина способна выполнить операции и различные действия с недостижимой для человека точностью. Доктор наук Энг приводит в пример робота, что с легкостью удерживает поворачивающийся волчок на лезвии меча.

Такое вряд ли под силу простому человеку. Но создать робота, что совершит в доме несложную уборку, неизмеримо тяжелее, чем научить машину эквилибристике. Дело в том, что, имея неспециализированную задачу — наведение порядка в помещении, робот обязан будет ставить перед собой и решать множество небольших задач.

К примеру, найдя забытую на диване чашку, машине нужно будет определить, что это как раз чашка, а не что-то второе, осознать, что ее нужно брать за ручку, отыскать эту ручку и, наконец, забрать и донести чашку до посудомоечной машины.

Очевидно, заблаговременно ввести в машину программу, которая будет совершенно верно знать, в каком месте вы покинете тот либо другой предмет, нереально. Исходя из этого с задачей приведения в порядок хаотично расставленных и имеющих самые различные формы предметов может совладать только робот, действующий в независимом режиме, талантливый разбирать внешнюю среду и ставить себе в зависимости от результатов анализа задачи, исполнение которых приведет к основной цели. Другими словами речь заходит о машине, трудящейся под управлением ИИ.

Еще во второй половине 60-ых годов двадцатого века в Стэнфорде выстроили робота по имени Shakey, что имел возможность двигаться, принимать окружающую действительность и решать некие задачи на базе взятой информации. Но и сорок лет спустя созданные модели ИИ еще далеки от совершенства. «Вращение волчка на лезвии меча — решенная задача, — говорит доктор наук Энг, — а вот опознание чашки незнакомой формы — нерешенная».

Но решающаяся, стоит добавить, в ходе проекта STAIR (сокращение заглавия Stanford Artificial Intelligence Robot), которым командует Эндрю Энг. Но создание робота, что может самостоятельно делать «домашние работы», — не единственная область заинтересованностей доктора наук. Второй сферой, где ИИ начинает соперничать с естественным, стало небо.

Преподаватель для роботов

В случае если перейти от языка метафор к более строгим определениям, то вертолет, находящийся в воздухе (особенно на малых скоростях), возможно назвать нестабильной совокупностью. Управление им складывается из постоянных корректирующих действий с учетом изменяющейся аэродинамической обстановки. Без этих действий вертолет .

Так, в случае если речь заходит о передаче функций пилота роботу, задача оказывается очень схожей с теми, каковые исследователям приходится решать в ходе проекта STAIR. Пилоту-роботу нужен метод, что разрешил бы функционировать в воздухе с учетом переменных условий. Имея в виду неспециализированную цель (замысел полета), машина обязана трудиться над задачами, верные ответы которых разрешили бы достигнуть данной цели самый оптимальным образом.

Управляемые компьютером модели вертолетов существовали и раньше, но команда Эндрю Энга задумала научить робота головокружительным фигурам высшего пилотажа. Для этого в стенках Стэнфордского университета и была запущена программа Autonomous Helicopter.

Чтобы перевоплотить робота в аса-вертолетчика, Энгу и его ученикам — Питеру Эббилу, Адаму Коатсу и вторым — было нужно отыскать ответ на вопросы: кто станет преподавателем для роботов-пилотов и как передать знания от преподавателя к ученикам?

В качестве преподавателя был выбран Гэйретт Оку — умелый пилот спортивных радиоуправляемых моделей вертолетов. Про него говорили, что он может забрать фактически любую модель, кроме того ранее ему малоизвестную, и показать на ней верховный класс пилотажа. Привлечение преподавателя-специалиста стало необходимостью, по окончании того как потерпели неудачу более ранние попытки создать особую программу, содержащую описания всех траекторий фигур высшего пилотажа.

Под управлением данной программы модель вертолета смогла выполнить только несложные фигуры, да да и то на уровне новичка. Исследователей из Стэнфорда таковой итог совсем не устраивал: они считали, что робот может и обязан руководить вертолетом на уровне, в противном случае и лучше специалистов. Но как человек может научить робота?

Выясняется (если не вдаваться в подробности) — совершенно верно так же, как это практикуется в чисто людской обществе: ученик подражает преподавателю и обучается на собственных неточностях.

Первым шагом на пути создания метода, управляющего независимым вертолетом на протяжении исполнения фигур высшего пилотажа, стала целая серия демонстрационных полетов радиоуправляемой модели, на протяжении которых показывались виражи, спирали, мертвые петли, штопоры, гвоздь и — перевороты программы — сложнейшая фигура «колокол». При выполнении «колокола» шнобель вертолета направлен вверх, а хвостовая часть раскачивается наподобие маятника.

Что дальше? Запрещено ли, к примеру, записать последовательность команд, подаваемых Гэйреттом Оку на вертолет на протяжении выполнения той либо другой фигуры, а после этого ввести ее в память компьютера, управляющего независимой моделью? К сожалению, данный вариант через чур несложен, дабы быть действенным, поскольку любой полет отличается от другого в силу переменчивости воздушной среды.

Достаточно подуть боковому ветру, которого не было при прошлой демонстрации, и действия пилота уже должны подвергнуться значительной корректировке.

Вклад преподавателя-специалиста в обучение — это комплект траекторий, обрисованных радиоуправляемой моделью на протяжении демонстрационных полетов. В случае если сказать, к примеру, о петле, то графически совокупность траекторий будет смотреться как окружность, пара раз грубо обведенная ручкой либо карандашом. Задача машинного метода — вывести из этого комплекта совершенную траекторию, по которой фигуру высшего пилотажа сможет выполнить вертолет, управляемый роботом.

Превосходя наставника

Речь не идет, очевидно, о некоем арифметическом сглаживании. Создание оптимальной программы для автоматического управления вертолетом будет происходить при помощи особого симулятора, в который будут введены информацию о динамической модели вертолета и о среде, и параметры взятых на протяжении демонстрационных полетов траекторий. Вся эта информация ляжет в базу машинного обучения.

Разрабатываемая программа, пилотируя вертолет в симуляторе, пройдет «курс» так именуемого обучения с подкреплением.

В итоге работы с симулятором вырабатывается метод оптимального управления вертолетом и фактически совершенная траектория исполнения фигуры высшего пилотажа. Взяв первые уроки у пилота-специалиста, сделав собственные неточности и взяв за них заслуженные «наказания», машина сейчас может превзойти его по уровню летного мастерства, что реально и происходит.

Стоит подметить, что переработанные из спортивных радиоуправляемых моделей «независимые» вертолеты с позиций «железа» до тех пор пока еще независимы не в полной мере. Оборудование, снабжающее контроль за полетом и управление им, распределено между землёй и бортом. На вертолетах установлены акселерометры, магнетометры и гироскопы — последний применяет магнитное поле Почвы для определения ориентации автомобили.

Правильное положение вертолета в пространстве определяется при помощи приемника GPS на борту и направленных в небо, но установленных на земле цифровых камер. Кроме этого на земле установлен компьютер, что обрабатывает поступающую с частотой 20 раз в секунду данные с вертолета и мгновенно отправляет назад управляющие команды. Предполагается, но, что на летательных аппаратах большего размера все нужное оборудование удастся разместить на борту.

Без «антропогенного фактора»

Каков же практический суть игр с радиоуправляемыми моделями, каковые ведут Эндрю Энг и его команда? Тревожат ли ученых только неспециализированные вопросы создания программ для роботов с адаптивным поведением, могущих реагировать на переменчивую среду? Либо роботы за штурвалами вертолетов вправду имели возможность появляться действеннее простых пилотов?

Доктор наук Энг в полной мере уверенный в том, что беспилотные независимые вертолеты смогут послужить человечеству, не только развлекая визитёров авиашоу лихими воздушными пируэтами. Учитывая популярность беспилотных летательных аппаратов как в военной, так и в гражданской сфере, управляемые роботом вертолеты без сомнений отыщут собственный использование для мониторинга страшных территорий и зон.

К примеру, они имели возможность бы искать мины в том месте, где сравнительно не так давно прошла война, либо обнаружить очаги лесных пожаров, дабы оперативно информировать о них пожарным. В силу собственной умения и манёвренности зависать в воздухе винтокрылые автомобили подходят для ответа аналогичных задач идеально. Но для этого, как вычисляет Эндрю Энг, программы, управляющие вертолетами, должны делать собственную работу на уровне самых умелых пилотов в мире либо кроме того превосходить их.

А каковы возможности применения ИИ на настоящих пилотируемых вертолетах? Как возможно делать выводы по публикациям команды Эндрю Энга и его учеников, глубоко этот вопрос пока не прорабатывается, но кое-какие шаги в этом направлении уже сделаны. В частности, создан метод, под управлением которого вертолет способен не только делать в независимом режиме фигуры высшего пилотажа, но и осуществлять посадку на авторотации.

Авторотацией именуется режим работы главного ротора вертолета при отключенном либо вышедшем из строя двигателе. В этом случае энергия, нужная для вращения винта, отбирается от набегающего на винт потока. Для вертолета таковой режим считается аварийным, но умелый пилот, руководя скоростью главного ротора, способен совершить на авторотации надёжную посадку.

Но в случае если опыта не хватит и при касании почвы вертикальная либо горизонтальная скорость аппарата окажутся через чур высокими, вертолет может разрушиться либо перевернуться. Низкая скорость перемещения винта может привести и к тому, что лопасти отрубят вертолету хвост, что кроме этого может закончиться безрадосно. А основное — повторный заход на посадку при авторотации неосуществим.

Дабы решить эту проблему, ученые из Стэнфорда взялись за создание метода управления вертолетом при экстренной посадки. Методика осталась прошлой: сперва Гэйретт Оку совершил десять спусков радиоуправляемой модели на авторотации, после этого был вычислен метод совершенной посадки, что и был внесен в память управляющего вертолетом компьютера. На этапе спуска независимый вертолет двигался по траектории, примерно повторяющей траекторию моделей, управляемых по радио.

После этого на этапе выравнивания (он начался на высоте 9 м) аппарат двигался уже по «совершенной» траектории, просчитанной посредством компьютера. В соответствии с поставленной задаче в момент касания почвы горизонтальная скорость вертолета должна быть фактически нулевой.

Опробования независимых вертолетов (для них использовалась модель XCell Tempest длиной 137 см) складывались из 25 посадок, любая из которых завершилась удачно, по окончании чего команда Эндрю Энга заявила о создании первого в истории роботизированного независимого вертолета, могущего самостоятельно выполнять надёжную посадку в режиме авторотации. Быть может, через какое-то время робот сможет посадить и пилотируемый вертолет, исключив в экстренной обстановке воздействие «антропогенного фактора»?

наказания и Награды

Обучение с подкреплением (британский термин — reinforcement learning) — это способ машинного обучения, при котором агент (в этом случае ИИ, управляющий вертолетом), взаимодействуя со средой, самостоятельно производит верную стратегию действий на пути к определенной цели. Важную роль тут играются наказания «и» понятия «награды». Предположим, порыв бокового ветра заставляет вертолет отклониться от курса.

Управляющий машиной робот предпринимает некие действия, дабы вернуть аппарат на заданную траекторию полета. Какие конкретно действия? Очевидно, вероятны варианты.

Выбирая один из них, робот оценивает реакцию среды и произведенный в следствии его действий эффект. В зависимости от того, как выбранный вариант был оптимальным с позиций заданной цели, его результат определяется как «приз» либо «наказание». Стремясь взять больше «призов» и меньше «наказаний», в следующий раз в подобной обстановке робот будет выбирать «награжденный» вариант действий, а не тот, что принес «наказание».

Робот перед дверью

Казалось бы, что возможно несложнее, чем открыть незапертую дверь! Но весьма сложно научить этому робота, для которого простая дверная ручка есть таинственным объектом: ее свойства еще нужно осознать и изучить

Прошествовать по дому

Команде Эндрю Энга, трудящейся над созданием домашнего робота, было нужно на протяжении работ столкнуться со своеобразной проблемой. Дабы робот имел возможность самостоятельно передвигаться в громадных помещений, он обязан мочь открывать двери и пользоваться лифтами. Но двери имеют множество цветов и форм, а кнопки и ручки резко отличаются по конструкции.

Разобраться в кнопках и ручках

Изначально ввести все это непредсказуемое многообразие в память автомобили фактически нереально. Значит, нужно сделать так, дабы ИИ робота имел возможность без предварительного знания отличать двери помещений и лифтов от простых участков стенки. Помимо этого, машине предстояло отыскать ручку либо кнопку, осознать, что именно с этим объектом следует сделать (нажимать, вращать либо тащить на себя), и наконец, выполнить воздействие.

Открыть любую дверь

Благодаря созданному стэнфордскими исследователями методу анализа и обработки данных, поступающих от камеры робота, проблему фактически удалось решить. Колесный робот, установленный на платформе Seagway, прошел опробования на десяти этажах двух различных офисных строений. Из 34 попыток выявить и открыть дверь 31 завершилась удачно.

Трудности у робота позвали только не хорошо освещенные двери, двери с номерными табличками либо из прозрачного стекла.

Статья размещена в издании «Популярная механика» (№75, январь 2009).

<

h4>

5 САМЫХ КРУТЫХ ВЕРТОЛЕТОВ В МИРЕ

Статьи, которые будут Вам интересны: