پژوهشگران MIT موفق به توسعه یک سیستم کنترل تطبیقی مبتنی بر یادگیری ماشین شدهاند که به پهپادهای خودران کمک میکند حتی در شرایط نامطمئن مانند بادهای شدید و متغیر، بهطور دقیق در مسیر تعیینشده حرکت کنند.
این الگوریتم نوآورانه که توسط تیمی به رهبری دکتر نوید عزیزان از آزمایشگاه LIDS طراحی شده، بدون نیاز به دانش اولیه درباره ساختار اختلالات محیطی (مانند باد)، فقط با ۱۵ دقیقه داده پروازی میتواند خود را تطبیق دهد.
ویژگیهای برجسته سیستم عبارتند از:
- یادگیری خودکار ساختار اختلالات محیطی با استفاده از شبکه عصبی
- انتخاب هوشمندانه الگوریتم بهینهسازی از میان خانواده الگوریتمهای “mirror descent”
- استفاده از یادگیری متا (meta-learning) برای آموزش سیستم در مواجهه با شرایط محیطی متنوع
- کاهش ۵۰ درصدی خطای دنبالسازی مسیر نسبت به روشهای پایه
این سیستم در شبیهسازیها و آزمایشهای واقعی عملکرد بسیار موفقی داشته و حتی در بادهایی شدیدتر از مواردی که در آموزش دیده بود نیز توانسته پایدار بماند.
– چشماندازهای آینده این سیستم:
- تحویل ایمن محمولههای سنگین در مسیرهای بادخیز
- نظارت خودکار بر مناطق پرخطر در جنگلها
- سازگاری با اختلالات چندگانه همزمان مانند تغییر مرکز ثقل بار در طول پرواز
- یادگیری پیوسته بدون نیاز به بازآموزی از ابتدا
ترکیب هوش مصنوعی و کنترل تطبیقی در این پروژه، راه را برای طراحی سیستمهایی باز میکند که بتوانند در شرایط واقعی، پیچیده و غیرقابل پیشبینی، با دقت و اطمینان بالا عمل کنند.
این پژوهش در کنفرانس Learning for Dynamics and Control ارائه شده و با حمایت مؤسسات معتبری چون MathWorks، MIT-IBM Watson AI Lab و MIT-Amazon Science Hub انجام گرفته است.
کد خبر ۲۱۴۰۴۰۳۲۱.۰۰۲
منبع:ام آی تی نیوز
