Большой дрон запустил четыре дрона поменьше
Американские инженеры показали испытания системы, позволяющей запускать несколько квадрокоптеров с воздуха. Большой дрон с креплением для аппаратов меньшего размера взлетает и перевозит их в нужную точку, после чего малые дроны без посадки отцепляются и стабилизируют себя в воздухе за несколько секунд. Запись испытаний опубликована на YouTube.
Дроны не всегда удается запустить в том же месте, где их будут использовать. При этом в современных мультикоптерах время полета составляет обычно полчаса-час, поэтому даже полет с места запуска в область, где аппарат будет применяться, может отнять у него существенную часть энергии. Эту проблему можно решить напрямую, увеличив запас энергии в аккумуляторе, но пока прогресс в аккумуляторах происходит довольно медленно. Есть и другой путь — запускать дроны с другого летательного аппарата.
Проекты по запуску малых беспилотников с больших существуют уже не первый год, наибольшее распространение они получают в военной технике — такие проекты есть у США и Китая. В основном эту схему предлагают использовать для разведки вокруг большого аппарата самолетного типа. Среди мультикоптеров такой подход применяют крайне редко. Одно из немногих исключений показали в 2019 году инженеры из лаборатории NIMBUS Университета Небраски в Линкольне — они разработали систему из беспилотного вертолета с ДВС и электрического октокоптера с аппаратом для бурения грунта и установки датчиков. В полете вертолет буксирует октокоптер на нужное место, а затем выпускает его на парашюте, после чего тот стабилизируется, отсоединяет парашют и продолжает полет самостоятельно.
В новой разработке инженеры из той же лаборатории поменяли конструкцию, избавились от парашюта и довели количество запускаемых дронов до четырех.
Система состоит из гексакоптера (судя по всему, DJI Matrice 600 Pro) и четырех квадрокоптеров меньшего размера. Квадрокоптеры закрепляются металлическую штангу, а та в свою очередь прикреплена к большому дрону через трос. Перед началом полета трос недалеко от штанги продевают через металлический штырь, воткнутый в землю. Благодаря этому при взлете штанга с малыми дронами поднимается почти ровно вверх, а не волочится по земле — это можно увидеть в демонстрационном ролике.
После взлета малые дроны могут отделяться от штанги и начинать самостоятельный полет, причем по отдельности, поэтому их можно либо распределять по местности, либо выпустить сразу в одном месте, если его необходимо тщательно обследовать и снять с разных ракурсов. Разработчики не раскрывают, как именно дроны крепятся и отцепляются от штанги, но, возможно, расскажут технические подробности в будущих публикациях.
В 2015 году компания Insitu показала универсальную летающую платформу для дронов самолетного типа — она может как запускать их с воздуха, так и ловить, когда полет окончен.
Григорий Копиев
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.