人工知能がドローンをガイドして海をナビゲートする

カリフォルニア工科大学、ETHチューリッヒ、ハーバード大学のエンジニアは、自律型ドローンが海流を利用して航行を支援するのではなく、海流を利用できるようにする人工知能（AI）を開発しています。

「特に群れの中でロボットに深海を探検させたい場合、水面から20,000フィート離れたところからジョイスティックでロボットを制御することはほとんど不可能です。また、ナビゲートする必要のある地域の海流に関するデータをロボットに提供することもできません。表面からは検出できません。代わりに、ある時点で、自分で移動する方法を決定できるように、海上ドローンが必要になります」とジョンO.ダビリ教授は述べています。

AIのパフォーマンスはコンピューターシミュレーションを使用してテストされましたが、この取り組みの背後にあるチームは、地球と他の惑星の両方で海上ドローンに電力を供給することができる小さなコンピューターチップ上でアルゴリズムを実行する小さな手のひらサイズのロボットも開発しました。目標は、惑星の海の状態を監視する自律システムを作成することです。たとえば、クラゲがより速く、コマンドで泳ぐのを助けるために以前に開発した補綴物と組み合わせてアルゴリズムを使用します。アルゴリズムを実行する完全に機械的なロボットは、エンケラドスやヨーロッパなどの他の世界の海を探索することさえできます。

どちらのシナリオでも、ドローンはどこに行くべきか、そしてそこに到達するための最も効率的な方法について自分で決定できる必要があります。そうするために、彼らはおそらく彼ら自身が収集できるデータ、つまり彼らが現在経験している水流に関する情報しか持っていないでしょう。

この課題に取り組むために、研究者は強化学習（RL）ネットワークに目を向けました。従来のニューラルネットワークと比較して、強化学習ネットワークは静的データセットでトレーニングするのではなく、経験を収集できる限り速くトレーニングします。このスキームにより、それらははるかに小さなコンピューター上に存在することができます。このプロジェクトの目的のために、チームは、Teensyにインストールして実行できるソフトウェアを作成しました。2.4インチ×0.7インチのマイクロコントローラーで、Amazonで30ドル未満で購入でき、電力は約0.5ワットしか使用しません。

チームは、水中の障害物を通過する流れが反対方向に移動するいくつかの渦を生成するコンピューターシミュレーションを使用して、渦の結果として低速領域を利用して惰性で移動するようにAIにナビゲートするように教えました。電力の使用を最小限に抑えたターゲットロケーション。ナビゲーションを支援するために、シミュレートされたスイマーは、そのすぐ近くの水流に関する情報にしかアクセスできませんでしたが、すぐに渦を利用して目的のターゲットに向かって惰性走行する方法を学びました。物理的なロボットでは、AIは同様に、ロボットプラットフォーム用の比較的小型で低コストのセンサーである、搭載されたジャイロスコープと加速度計から収集できる情報にしかアクセスできません。

この種のナビゲーションは、ワシやタカが空気中のサーマルに乗る方法に似ており、気流からエネルギーを抽出して、最小限のエネルギーで目的の場所に移動します。驚いたことに、研究者たちは、強化学習アルゴリズムが、海の実際の魚が使用すると考えられているものよりもさらに効果的なナビゲーション戦略を学習できることを発見しました。

この技術はまだ揺籃期にあります。現在、チームは、海でのミッションで遭遇する可能性のあるさまざまなタイプの流れの乱れ（たとえば、渦巻く渦と流れる潮流）でAIをテストして、その有効性を評価したいと考えています。野生で。ただし、強化学習戦略に海洋の流れの物理学の知識を組み込むことにより、研究者はこの制限を克服することを目指しています。彼らの研究は、この課題に対処する上でのRLネットワークの潜在的な有効性を証明しています。特に、このような小さなデバイスで動作できるためです。これを現場で試すために、チームは「CARL-Bot」（Caltech Autonomous Reinforcement Learning Robot）と呼ばれる特注のドローンにTeensyを配置しています。 CARL-Botは、カリフォルニア工科大学のキャンパスに新しく建設された2階建ての高さの水槽に落とされ、海流をナビゲートするように教えられます。