Hur svär Fåglar? Forskare Utveckla en AI Autonom Glider för att ta reda på

Fåglar har länge inspirerat människor att skapa sina egna sätt att flyga. Vi vet att svävande fågelarter som migrerar långa avstånd använder termiska uppdrag för att stanna i luften utan att använda upp energi som klappar på sina vingar. Och glidflygplan använder på samma sätt termiska strömmar och andra områden med stigande luft för att förbli luftburna längre.

Ändå, medan vi har behärskat glidning genom dessa uppdrag med hjälp av olika instrument, är de exakta mekanismerna som tillåter att fåglarna stiger fortfarande okända. Men ett team av forskare från Kalifornien och Italien har gjort några talande steg för att svara på denna fråga med hjälp av artificiell intelligens (A.I.). Och det kan leda till nya utvecklingar i navigationssystem för flygplan, med speciella konsekvenser för att skapa dronor som kan hålla sig luftburna under mycket långa perioder.

Syftet med studien, publicerad i Natur, var att träna en liten tvåmålsautomatisk glidflygplan för att flyga i termiska ämnen, precis som en riktig fågel skulle. Glidbanan var programmerad med en sorts A.I. känd som maskininlärning som gjorde det möjligt att arbeta ut hur man använder luftströmmarna för att stanna längre i luften.

Se även: Droner är programmerade att flocka precis som fåglar i ny genombrottst studie

Maskininlärning är ett alternativt sätt att programmera en dator för att göra en komplex uppgift. Snarare än att mata en dator (eller autonom glider i det här fallet) en uppsättning instruktioner som berättar hur man gör något, berättar du för datorn hur du vill att den ska svara och belöna den när det gör rätt.

Med tiden kommer det att lära sig vilka saker som belönas och tenderar att göra dessa beteenden istället. Den här tekniken är hur datorprogram som Google AlphaGo kan lära sig att spela brädspelet Go och sedan slå professionella spelare, en uppgift som inte är möjlig med konventionell programmeringsteknik.

Denna typ av maskininlärning kallas förstärkningslärande, och det bygger på en stor mängd inmatningsdata som matas till datorn för att den ska kunna lära sig vilka åtgärder som kommer att ge den belöningar. För forskarna som programmerar den autonoma gliden, bestod inmatningsdata av specialiserade instrument som kunde läsa förändringen i uppåtgående (vertikal) vindstyrka. Instrumentet kunde bestämma dessa förändringar längs glidlängden (longitudinellt) och från en vingspets till den andra (i sidled). Sensorerna kunde göra dessa mätningar tio gånger per sekund.

Dessa data användes sedan för att göra flygjusteringar till det som kallas glidbanans bankvinkel. Ett välbalanserat flygplan med vingsnivå har noll bankvinkel och kommer att flyga i en rak linje. Att vinkla vingarna och öka bankvinkeln gör att planet vrids. I studien belönades glidflygplanet om förändringen i uppåtgående vindhastighet längs sin flygbana ökade. Med andra ord, om glidflygplanet flyttade till en uppdrag.

Uppdrag är nyckeln till att öka den tid en glider kan hålla sig i luften.Till skillnad från ett kraftigt flygplan kommer en glider som inte kan hitta några uppdrag att gradvis falla mot marken. Huruvida glidflygplanet faller eller stiger beror direkt på hur mycket luft som rör sig uppåt runt den. I en uppdrag kan ökningen av vertikal luftrörelse vara tillräcklig för att stoppa glidflygplanet och, om den vertikala vinden är tillräckligt stark, tillåta den att klättra.

Under ett antal flygningar (cirka 16 timmars flygning totalt) lärde studiefläkten att flyga genom att träna sig själv under en viss kombination av ingångar (bankvinkel, längsgående och lateral förändring, vertikal vindhastighet) för att bestämma vad Nästa förändring i bankvinkel bör vara. Resultatet var att i slutet av allt som flyger hade planet lärat sig hur man flyger in i uppdrag, så att den kan stanna längre i luften.

Som en bonus använde forskarna en numerisk modell för att visa att detta tillvägagångssätt skulle gynna större glidflygplan ännu mer, eftersom deras längre vingspel ger en mer exakt mätning av förändringen i uppåtvindhastigheten från ett vingspets till ett annat.

Göra flygplan smartare

Resultaten lyfter frågan om vilka möjliga futuristiska autonoma glidflygplan vi kunde se glidande runt och vad de skulle användas till. Ingenjörer på MIT tog nyligen inspiration från aerodynamiken hos våg-ridande albatrossen för att designa en autonom glider.

Airbus har utvecklat en soldriven glider som kan förbli luftburna under mycket långa perioder som ett alternativ till övervaknings- eller kommunikationssatelliter, som exempelvis kan sända internetsignaler till avlägsna platser på marken. Microsoft arbetar enligt uppgift med autonoma flygplan med state-of-the-art konstgjorda intelligenta navigationssystem.

Men kanske de tekniker som utvecklats i denna studie kan leda till en ny generation av "smart" navigations- och autopilotsystem för konventionella flygplan. Dessa kan använda data som samlats in över tusentals flygtider för att ta beslut om det mest effektiva sättet att komma runt. Detta skulle förlita sig på exakta sensorer och vidareutveckling som skulle tillåta ett plan att identifiera och sedan hoppa från en termisk uppdrag till en annan. För närvarande tillåter metoden endast glidning i en enda termisk.

De metoder och programmeringstekniker som forskarna utvecklar kommer utan tvivel att ge oss ett steg närmare målet om ett autonomt flygande fordon med flygtider på dagar, veckor eller månader som utför dessa uppgifter. Men det är användningen av förstärkningsinlärning som åter visar hur flexibla dessa algoritmer är för att anpassa sig till ett brett spektrum av komplexa uppgifter, från att styra en glider för att slå en människa i Go.

Denna artikel publicerades ursprungligen på The Conversation av Nicholas Martin. Läs den ursprungliga artikeln här.