В России испытали диспетчерскую систему для дронов
Холдинг «Российские космические системы» провел демонстрационные испытания перспективной диспетчерской системы, предназначенной для наблюдения за беспилотными летательными аппаратами и организации их полетов в едином воздушном пространстве. Согласно сообщению холдинга, испытания, признанные успешными, проводились на аэродроме Московского авиационного института «Алферьево» под Волоколамском. В проверках использовались беспилотники и пилотируемые самолеты.
Из-за постоянного снижения цен на потребительские дроны, таких аппаратов становится все больше и больше. Специалисты полагают, что в ближайшем будущем беспилотников станет достаточно много, чтобы они начали представлять опасность для пилотируемых летательных аппаратов, а также для других дронов. Это означает, что в ближайшем будущем может возникнуть потребность в системе, отслеживающей и управляющей совместными полетами пилотируемой и беспилотной авиации.
Российская диспетчерская система разрабатывается для использования в воздушном пространстве класса G. Классификация воздушного пространства действует в России с 2010 года. Класс G подразумевает полеты авиации в уведомительном порядке — для них не требуется получения диспетчерского разрешения. Высота воздушного пространства класса G для разных регионов России определена разной. Например, в Ростовской области она составляет 300 метров, а в Восточной Сибири — может достигать 4,5 тысячи метров.
Новая диспетчерская система в нынешнем варианте ее реализации рассчитана на малые беспилотники массой от 250 граммов до 30 килограммов. Каждый такой аппарат должен иметь программное обеспечение, которое будет передавать диспетчерской системе данные о местоположении беспилотника и параметрах его полета. Предполагается, что оператор беспилотника будет подавать заявку на маршрут, а в ответ получать разрешение и список ограничений, действующих в определенных зонах по ходу полета.
Диспетчерская система способна автоматически формировать план маршрута для оператора беспилотника с учетом всех действующих ограничений, а также данных о маршрутах, заявленных другими операторами. Эта же система будет отслеживать следование операторов выданным предписаниям. Сгенерированный диспетчерской системой план можно будет загрузить в память дрона, чтобы тот мог пролететь по нему в полностью автономном режиме.
В случае нарушения предписания, выданного диспетчерской системой, она отправит оператору беспилотника инструкции, которые необходимо выполнить, чтобы восстановить порядок полета. При этом данные о нарушении будут отправлены в контрольные органы. Разработчики предполагают и относительно свободную интеграцию сторонних приложений для смартфонов или планшетов с диспетчерской системой. Такие приложения, например, позволят службам доставки выбирать конечную точку маршрута и отправлять аппарат в автономный полет, контролировать который будет автоматическая система.
Обмен данными с диспетчерской системой беспилотники будут производить с помощью спутникового канала, сотовой связи или специального УКВ-передатчика. Согласно сообщению «Российских космических систем», на испытаниях диспетчерской системы в «Алферьево» присутствовали представители 40 российских компаний, включая «Газпром нефть», концерн Калашников» и «Геоскан». Другие подробности о состоявшихся испытаниях системы не уточняются.
В сентябре прошлого года швейцарская компания Skyguide, занимающаяся аэронавигационным обслуживанием, провела успешные испытания прототипа диспетчерской системы для дронов, которая должна будет руководить полетами автономных беспилотников. Во время испытаний проверялась возможность автоматической регистрации, идентификации и геозонирования. Система получила название U-Space. Во время испытаний дроны автоматически перед полетом и во время него передавали данные о своем положении в пространстве, регистрации и запланированном маршруте.
Диспетчерская система U-Sense собирала эту информацию, передавала дронам сведения о зонах, закрытых для полетов, а также указания по выбору наилучшего маршрута полета. Расчет маршрута производился таким образом, чтобы дроны не столкнулись друг с другом в воздухе и не мешали полетам. Во время полета диспетчерская система в режиме реального времени отслеживала перемещение беспилотников в пространстве.
Василий Сычёв
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.