🔬 Наука. БАС и ИИ. США
ИИ помогает БАС прогнозировать приближающуюся турбулентность
Команда из Калтеха разработала стратегию управления БАС, которая использует обучение с подкреплением для адаптивного изучения того, как ветер может меняться со временем, а затем использует эти знания для управления БАС, подобно тому, как птицы интуитивно обходят зоны турбуленции.
В основе стратегии – использование методов Фурье, объединенных с обучением с подкреплением – одного из классических методов ИИ. Этот подход позволяет смоделировать, как порывы ветра будут меняться с течением времени. Опираясь на этот прогноз, можно заблаговременно предпринять управляющие воздействия.
Был разработан метод FALCON (Fourier Adaptive Learning and CONtrol). Движения ветра представляются как набор частот. Когда возникает экстремальная турбулентность, происходит изменение «частоты», но перед этим есть накопление. Обучая алгоритм, можно предсказывать эти изменения.
Обучение с подкреплением известно тем, что позволяет ИИ играть в такие игры, как Atari или Go. Но если в играх количество возможных ходов на каждом шаге, это дискретный набор, то при управлении полетом, пространство управляющих действий непрерывно.
Компания дорабатывает свои подходы, не так давно была разработана структура обучения с подкреплением, основанную на учете физических свойств среды, для снижения сопротивления в турбулентных потоках. В отличии от подхода FALCON, не использующего физические ограничения, в новом методе используются знания о турбулентных потоках в форме функций потерь дифференциальных уравнений с частными производными (PDE) во время обучения. Возможность обобщения для более высоких чисел Рейнольдса, - возможность работать с более высокой турбулентностью.
Это не просто теория, команда из Калтеха уже тестировала применение методов машинного обучения на БАС. В ближайшее время ученые намерены внедрить как FALCON, так и подходы, основанные на физических свойствах среды в БАС.
@proUAV по материалам Tech Briefs
#искусственныйинтеллект #machinelearning #БАС
ИИ помогает БАС прогнозировать приближающуюся турбулентность
Команда из Калтеха разработала стратегию управления БАС, которая использует обучение с подкреплением для адаптивного изучения того, как ветер может меняться со временем, а затем использует эти знания для управления БАС, подобно тому, как птицы интуитивно обходят зоны турбуленции.
В основе стратегии – использование методов Фурье, объединенных с обучением с подкреплением – одного из классических методов ИИ. Этот подход позволяет смоделировать, как порывы ветра будут меняться с течением времени. Опираясь на этот прогноз, можно заблаговременно предпринять управляющие воздействия.
Был разработан метод FALCON (Fourier Adaptive Learning and CONtrol). Движения ветра представляются как набор частот. Когда возникает экстремальная турбулентность, происходит изменение «частоты», но перед этим есть накопление. Обучая алгоритм, можно предсказывать эти изменения.
Обучение с подкреплением известно тем, что позволяет ИИ играть в такие игры, как Atari или Go. Но если в играх количество возможных ходов на каждом шаге, это дискретный набор, то при управлении полетом, пространство управляющих действий непрерывно.
Компания дорабатывает свои подходы, не так давно была разработана структура обучения с подкреплением, основанную на учете физических свойств среды, для снижения сопротивления в турбулентных потоках. В отличии от подхода FALCON, не использующего физические ограничения, в новом методе используются знания о турбулентных потоках в форме функций потерь дифференциальных уравнений с частными производными (PDE) во время обучения. Возможность обобщения для более высоких чисел Рейнольдса, - возможность работать с более высокой турбулентностью.
Это не просто теория, команда из Калтеха уже тестировала применение методов машинного обучения на БАС. В ближайшее время ученые намерены внедрить как FALCON, так и подходы, основанные на физических свойствах среды в БАС.
@proUAV по материалам Tech Briefs
#искусственныйинтеллект #machinelearning #БАС