Дроны могут лучше ориентироваться в незнакомом окружении с помощью жидких нейронных сетей
Дроны имеют широкий спектр применения, но полет на них в незнакомой среде может быть проблемой. Независимо от того, доставляете ли вы посылку, наблюдаете за дикой природой или проводите поисково-спасательные операции, знание того, как ориентироваться в невиданной ранее среде (или в среде, которая резко изменилась), имеет решающее значение для эффективного выполнения задач дроном. Исследователи из Массачусетского технологического института (MIT) считают, что благодаря жидким нейронным сетям они нашли более эффективный способ помочь дронам летать в неизведанном пространстве.
Массачусетский технологический институт создал свои собственные Liquid Neural Networks, вдохновленные органической способностью мозга к адаптации, в 2021 году. Алгоритмы искусственного интеллекта и машинного обучения способны учиться и адаптироваться к новым данным в реальном мире, а не только во время их обучения. Другими словами, они могут думать быстро.
Исследователи отмечают, что они способны понимать информацию, которая имеет решающее значение для миссии дрона, игнорируя при этом не относящиеся к окружающей среде особенности. Жидкие нейронные сети также могут «динамически фиксировать реальную причину и следствие своей конкретной задачи», согласно статье, опубликованной Наука о робототехнике. Это «ключ к надежной работе жидких сетей при смене распределения».
В статье исследователи отметили, что жидкие нейронные сети превзошли другие методы в навигационных задачах. В пресс-релизе университета говорится, что алгоритмы «продемонстрировали изобретательность в принятии надежных решений в неизвестных областях, таких как леса, городские ландшафты и среды с шумом, вращением и окклюзией».
Массачусетский технологический институт отмечает, что системы глубокого обучения могут спотыкаться, когда дело доходит до понимания причинно-следственных связей, и не всегда могут адаптироваться к различным средам или обстоятельствам. Это представляет проблему для дронов, которые должны быстро реагировать на препятствия.
«Наши эксперименты показывают, что мы можем эффективно научить дрон находить объект в лесу летом, а затем развертывать модель зимой, в совершенно другом окружении или даже в городских условиях с различными задачами, такими как поиск и слежение». «, сказала Даниэла Росс, директор Лаборатории компьютерных наук и искусственного интеллекта (CSAIL), профессор Массачусетского технологического института и соавтор исследования, в своем заявлении: «Эта адаптируемость стала возможной благодаря причинно-следственным основам наших решений. И эти гибкие алгоритмы могут ежедневная помощь в принятии решений на основе потоков данных, которые со временем меняются, например, медицинской диагностики и приложений для самостоятельного вождения».
Исследователи обучили свою систему на данных, полученных пилотом-человеком. Это позволило им рассчитать способность пилота использовать свои навигационные навыки в новых условиях, претерпевших значительные изменения условий и ландшафта. При тестировании жидкостных нейронных сетей исследователи обнаружили, что дроны могут, например, отслеживать движущиеся цели. Они предполагают, что объединение ограниченных данных из экспертных источников с улучшенной способностью понимать новые условия может сделать работу дронов более надежной и эффективной.
— говорит Алессио Ломусцио, доктор философии, профессор безопасности искусственного интеллекта (на факультете вычислительной техники) Имперского колледжа Лондона. «В этом контексте производительность жидких нейронных сетей, новой парадигмы, вдохновленной мозгом, разработанной авторами из Массачусетского технологического института, о которой сообщается в этом исследовании, замечательна».