Se você acompanhar corridas de drones autônomos, provavelmente se lembrará dos acidentes tanto quanto das vitórias. Na corrida de drones, as equipes competem para ver qual veículo está mais bem treinado para voar mais rápido através de uma pista de obstáculos. Mas quanto mais rápido os drones voam, mais instáveis eles se tornam e, em altas velocidades, sua aerodinâmica pode ser complicada demais para prever. Os acidentes, portanto, são uma ocorrência comum e freqüentemente espetacular.
Mas se eles puderem ser pressionados para serem mais rápidos e ágeis, os drones podem ser usados em operações de tempo crítico além da pista de corrida, por exemplo, para procurar sobreviventes em um desastre natural.
Agora, os engenheiros aeroespaciais do MIT desenvolveram um algoritmo que ajuda os drones a encontrar a rota mais rápida em torno de obstáculos sem bater. O novo algoritmo combina simulações de um drone voando por uma pista de obstáculos virtual com dados de experimentos de um drone real voando pela mesma pista em um espaço físico.
Os pesquisadores descobriram que um drone treinado com seu algoritmo voou através de uma pista de obstáculos simples até 20% mais rápido do que um drone treinado em algoritmos de planejamento convencionais. Curiosamente, o novo algoritmo nem sempre manteve um drone à frente de seu concorrente ao longo do curso. Em alguns casos, ele optou por desacelerar um drone para lidar com uma curva complicada ou economizar energia para acelerar e, por fim, ultrapassar seu rival.
“Em altas velocidades, existem aerodinâmicas intrincadas que são difíceis de simular, então usamos experimentos no mundo real para preencher esses buracos negros para descobrir, por exemplo, que pode ser melhor desacelerar primeiro para ser mais rápido depois”, diz Ezra Tal, um estudante de graduação no Departamento de Aeronáutica e Astronáutica do MIT. “É essa abordagem holística que usamos para ver como podemos fazer uma trajetória geral o mais rápido possível.”
“Esses tipos de algoritmos são um passo muito valioso para permitir que futuros drones possam navegar em ambientes complexos muito rapidamente”, acrescenta Sertac Karaman, professor associado de aeronáutica e astronáutica e diretor do Laboratório de Sistemas de Informação e Decisão do MIT. “Esperamos realmente ultrapassar os limites de forma que eles possam viajar tão rápido quanto seus limites físicos permitirem.”
Tal, Karaman e o estudante de pós-graduação do MIT Gilhyun Ryou publicaram seus resultados no International Journal of Robotics Research.
Efeitos rápidos
Treinar drones para voar ao redor de obstáculos é relativamente simples se eles forem feitos para voar devagar. Isso porque aerodinâmicas como o arrasto geralmente não entram em ação em baixas velocidades e podem ser deixadas de fora de qualquer modelagem do comportamento de um drone. Mas em altas velocidades, esses efeitos são muito mais pronunciados e como os veículos se comportarão é muito mais difícil de prever.
“Quando você está voando rápido, é difícil estimar onde você está”, diz Ryou. “Pode haver atrasos no envio de um sinal para um motor ou uma queda repentina de tensão que pode causar outros problemas de dinâmica. Esses efeitos não podem ser modelados com abordagens de planejamento tradicionais.”
Para entender como a aerodinâmica de alta velocidade afeta os drones em vôo, os pesquisadores precisam realizar muitos experimentos em laboratório, definindo drones em várias velocidades e trajetórias para ver quais voam mais rápido sem bater – um processo de treinamento caro e muitas vezes indutor de acidentes .
Em vez disso, a equipe do MIT desenvolveu um algoritmo de planejamento de vôo de alta velocidade que combina simulações e experimentos, de uma forma que minimiza o número de experimentos necessários para identificar trajetórias de vôo rápidas e seguras.
Os pesquisadores começaram com um modelo de planejamento de vôo baseado na física, que desenvolveram para simular como um drone provavelmente se comportaria ao voar através de uma pista de obstáculos virtual. Eles simularam milhares de cenários de corrida, cada um com uma trajetória de vôo e padrão de velocidade diferentes. Eles então mapearam se cada cenário era viável (seguro) ou inviável (resultando em um travamento). A partir desse gráfico, eles poderiam rapidamente se concentrar em alguns dos cenários ou trajetórias de corrida mais promissores para experimentar no laboratório.
“Podemos fazer essa simulação de baixa fidelidade de maneira barata e rápida, para ver trajetórias interessantes que podem ser rápidas e viáveis. Então, fazemos essas trajetórias em experimentos para ver quais são realmente viáveis no mundo real”, diz Tal. “Em última análise, convergimos para a trajetória ótima que nos dá o menor tempo possível.”
Indo devagar para ir rápido
Para demonstrar sua nova abordagem, os pesquisadores simularam um drone voando por um curso simples com cinco grandes obstáculos em forma de quadrado dispostos em uma configuração escalonada. Eles estabeleceram essa mesma configuração em um espaço de treinamento físico e programaram um drone para voar pelo percurso em velocidades e trajetórias que haviam previamente escolhido em suas simulações. Eles também executaram o mesmo curso com um drone treinado em um algoritmo mais convencional que não incorpora experimentos em seu planejamento.
No geral, o drone treinado no novo algoritmo “venceu” todas as corridas, completando o percurso em menos tempo do que o drone treinado convencionalmente. Em alguns cenários, o drone vencedor terminou o percurso 20 por cento mais rápido do que seu concorrente, embora tenha feito uma trajetória com um início mais lento, por exemplo, demorando um pouco mais para fazer uma curva. Esse tipo de ajuste sutil não foi feito pelo drone treinado convencionalmente, provavelmente porque suas trajetórias, baseadas apenas em simulações, não podiam levar em conta inteiramente os efeitos aerodinâmicos que os experimentos da equipe revelaram no mundo real.
Os pesquisadores planejam fazer mais experimentos, em velocidades mais rápidas e através de ambientes mais complexos, para melhorar ainda mais seu algoritmo. Eles também podem incorporar dados de voo de pilotos humanos que competem com drones remotamente e cujas decisões e manobras podem ajudar a definir planos de voo ainda mais rápidos, mas viáveis.
“Se um piloto humano está diminuindo a velocidade ou ganhando velocidade, isso pode informar o que nosso algoritmo faz”, diz Tal. “Também podemos usar a trajetória do piloto humano como ponto de partida e melhorar a partir disso, para ver o que é algo que os humanos não fazem, que nosso algoritmo pode descobrir, para voar mais rápido. Essas são algumas ideias futuras que nós está pensando. “
Publicado em 12/08/2021 02h19
Artigo original:
Estudo original: