MIT подобряват навигацията на дроновете с течни невронни мрежи

Дроновете имат множество приложения, но изпращането им в непознати среди може наистина да се окаже предизвикателно. Независимо дали става дума за доставяне на пакет, следене на дивите животни или провеждане на спасителни мисии, успешното ориентиране в местности, които са нови или значително променени, е критично за ефективността на дроновете. В тази връзка изследователи от Масачузетския технологичен институт (MIT) се фокусират върху проблема и предлагат решение чрез течните невронни мрежи, пише Enagadget.

Какво обаче представляват те? Учените ги създават още през 2021 г. на базата на адаптивността на органичните мозъци. Този принцип позволява на алгоритмите за изкуствен интелект и машинно обучение да учат и да се адаптират към нови данни в реалния свят, а не само докато се обучават. С други думи, могат да мислят в движение.

Те могат да разберат информацията, която е от съществена важност за задачата на дрона, като същевременно отхвърлят несъществените характеристики на околната среда, обясняват изследователите. Течните невронни мрежи могат също така "динамично да улавят истинските причини и следствия на дадената им задача", се отбелязва в статията, публикувана в Science Robotics. Алгоритмите "показаха умение да вземат надеждни решения в непознати области като гори, градски пейзажи и среди с добавен шум, ротация и оклузия".

Благодарение на това течните невронни мрежи се справят и по-добре в навигацията спрямо другите подходи. Учените изтъкват, че системите с дълбочинно обучение могат да се затруднят, когато става въпрос за разбиране на причинно-следствената връзка, и невинаги могат да се адаптират към различни среди или условия. Това представлява проблем за дроновете, които трябва да могат да реагират бързо на препятствия.

"Нашите експерименти показват, че можем ефективно да научим дрон да локализира обект в гора през лятото и след това да пуснем модела през зимата, при значително по-различна заобикаляща среда или дори в градска обстановка с различни задачи като търсене и следване", обяснява Даниела Ръс, съавтор на труда и директор на Лабораторията за компютърни науки и изкуствен интелект в MIT. "Адаптивността стана възможна благодарение на причинно-следствените основи в нашите решения. Тези гъвкави алгоритми могат един ден да помагат при взимането на решения на база на потоци от данни, които се променят с времето, като медицински диагнози и приложения за автономно шофиране."

Изследователите обучават своята система на базата на данни, предоставени от пилот. Това им е позволило да отчетат способността на пилота да използва навигационните си умения в нови среди, които са претърпели значителни промени в условията и пейзажа. При тестването на течните невронни мрежи изследователите установили, че дроновете могат да проследяват движещи се цели. В тази връзка те предполагат, че съчетаването на ограничени данни от експертни източници с подобрена способност за разбиране на нови среди може да допринесе за провеждането на по-надеждни и ефективни операции с дронове.