Die Kraft intelligenter Drohnenschwärme freisetzen
HeimHeim > Nachricht > Die Kraft intelligenter Drohnenschwärme freisetzen

Die Kraft intelligenter Drohnenschwärme freisetzen

Dec 18, 2023

Die Technologie wird es Drohnen ermöglichen, flexibel auf Veränderungen in der Umgebung zu reagieren

By Laurie Fickman 713-743-8454

5. Juni 2023

Es ist eine seit langem verbreitete und tatsächlich bewiesene Vorstellung, dass Roboter das perfekte Instrument sind, um Menschen von langweiligen, schmutzigen und gefährlichen Jobs zu befreien – die „3 Ds“ in der Industriesprache – allen voran fliegende Roboter (Drohnen).

Mit der weltweiten Verbreitung kostengünstiger Drohnen werden sie für eine Vielzahl von Aufgaben eingesetzt, darunter Fernerkundung, Lageerkennung, Materiallieferung und als Kommunikationsrelais. Berauschende Dinge, sogar militärischer Natur, die dazu führen, dass nicht jeweils eine einzelne Drohne eingesetzt wird, sondern Drohnenschwärme, um Aufgaben zu erledigen.

Doch während ihre Bedeutung und Zahl stark zugenommen hat, sind ihre Schwarmmechanismen weitgehend inaktiv geblieben. Während es mittlerweile möglich ist, eine große Anzahl von Drohnen synchron zu fliegen, werden diese Schwärme von Animatorenteams vorprogrammiert und durch stundenlange Computersimulationen verfeinert.

Was aber, wenn die Drohnen selbst dynamisch auf Hindernisse, Fahrzeuge, Raubtiere und Insektenschwärme reagieren könnten? Es ist ein Konzept, das schon vor langer Zeit von Vögeln, die in Schwärmen fliegen, und Fischen, die in Schwärmen schwimmen, beherrscht wird.

„Diese Bewegungen sind nicht vorprogrammiert, sondern basieren auf lokalen Entscheidungen einzelner Vögel oder Fische“, sagte Aaron Becker, außerordentlicher Professor für Elektro- und Computertechnik, der an der Verfeinerung von Algorithmen arbeitet, um dieselben Theorien anzuwenden, um eine koordinierte Steuerung von Drohnen zu entwickeln Schwärme, um ihre flottenähnliche Leistungserbringung zu verbessern. Seine Arbeit wird durch die Zusage eines Zuschusses in Höhe von 1,7 Millionen US-Dollar vom Kostas Research Institute der Northeastern University, LLC unterstützt.

Zu Beckers Team gehören David Jackson, Professor für Elektro- und Computertechnik; Julien Leclerc, Assistenzprofessor für Elektrotechnik und Computertechnik; und Daniel Onofrei, außerordentlicher Professor für Mathematik.

„Der Großteil der aktuellen Forschung zu Schwärmen folgt demselben Muster und basiert entweder auf Offline-Berechnungen oder verwendet einfache regelbasierte Logik wie „Rempele deinen Nachbarn nicht an, während du dem Anführer folgst.“ „Computer sind großartig darin, schnell zu rechnen und Taktiken umzusetzen, aber Menschen können sich bei der strategischen Entscheidungsfindung auszeichnen. Wir wollen diese kombinieren“, sagte Becker.

„Wir möchten, dass sich unsere Schwärme optimal verhalten und dennoch flexibel auf Veränderungen in der Umgebung reagieren. Unser Ziel ist es, die Berechnungen von Drohnen zu nutzen, um lokal intelligente Entscheidungen zu treffen, diese Informationen an den Computer des Bedieners weiterzuleiten, um klare Visualisierungen zu erstellen, und es dem menschlichen Bediener zu ermöglichen, hochqualitative Entscheidungen zu treffen. Ebenenentscheidungen.“

Es werden zunächst zwei Anwendungsszenarien untersucht. Das erste Szenario ist die Erfassung eines Waldbrandes aus der Luft, wobei der Drohnenschwarm sowohl das Feuer verfolgen als auch die Kommunikation an die Feuerwehrleute weiterleiten muss. Das zweite Szenario betrifft die Luftsicherheitsüberwachung einer kommerziellen Einrichtung und eines Campus. Drohnen müssen Fahrzeuge begleiten, die den Campus betreten und verlassen, aber jede Drohne hat eine begrenzte Batterielebensdauer und muss aufgeladen werden, wenn die Batterien leer sind.

Es ist nicht Beckers erstes Roboter-Rodeo. Mit jahrelanger Erfahrung in der Erforschung und Entwicklung von Robotern nutzt Becker sein Fachwissen nun zur Verbesserung von Drohnenschwärmen. In der Vergangenheit hat er an der Steuerung riesiger Roboterschwärme und der Erforschung von Systemen gearbeitet, bei denen nur eine Handvoll Anweisungen erforderlich waren, um große Robotergruppen zur Erledigung von Aufgaben zu führen.