Треть случаев сближения дронов с самолетами признали опасной
Исследователи из Центра изучения беспилотников в Бард-колледже проанализировали статистику наблюдения беспилотных летательных аппаратов летчиками самолетов, опубликованную в конце марта текущего года Федеральным управлением гражданской авиации США. Как пишет Aviation Week, согласно проведенному анализу 36,2 процента инцидентов определены специалистами как опасное тесное сближение. При этом аварийных ситуаций пока зафиксировано не было.
Опубликованная статистика покрывает период с 21 августа 2015 года по 31 января 2016 года. За это время летчики сообщили о 582 наблюдениях беспилотников. К опасному тесному сближению исследователи отнесли 188 случая. Речь идет о подлете беспилотника к самолету ближе 150 метров, сообщении пилотом об опасном сближении, совершении летчиком маневра уклонения и неожиданном использовании ненормативной лексики в сообщении о близком наблюдении беспилотного аппарата.
Согласно анализу статистики, за указанный период были зафиксированы 24 случая, когда беспилотники наблюдались ближе 15 метров от летящего самолета. В 11 случаях летчики докладывали диспетчерам о совершении маневров уклонения, чтобы избежать столкновения с дроном. По сравнению с августом 2014 года — январем 2015-го, количество инцидентов выросло в 3,4 раза со 169 случаев до 582. За год с января 2015 года по январь 2016-го Федеральное управление гражданской авиации зафиксировало 1276 случаев близкого наблюдения беспилотников.
В середине марта текущего года исследователи из Университета Джорджа Мейсона опубликовали работу, в которой пришли к выводу, что угроза дронов авиации преувеличена. По оценке ученых, реальная вероятность столкновения дрона с самолетом или вертолетом не так велика: только один случай столкновения дрона с самолетом за 187 миллионов лет должен закончиться масштабной катастрофой. В своем исследовании сотрудники университета собрали данные о столкновении птиц с самолетами в США за последние 20 лет.
В настоящее время в США действует ряд законодательных ограничений на полеты дронов. Они прописаны в «Разделе 333» правил летной безопасности, согласно которому, например, запрещены полеты в населенной местности гражданских беспилотников, которые не прошли сертификацию и не выпускаются серийно. Во время полетов аппараты должны находиться в зоне видимости оператора и летать на высоте не более 61 метра. Полеты вблизи аэропортов строго запрещено.
Для снижения числа инцидентов с беспилотниками в США была введена обязательная регистрация дронов. Регистрации подлежат аппараты массой более 250 граммов. Подать заявление можно через сайт Федерального управления гражданской авиации. Для регистрации необходим серийный номер аппарата, полное имя владельца, адрес проживания и электронный адрес. Оператору дрона должно быть не меньше 13 лет. Продажа дронов действующими правилами никак не ограничена.
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.