Forskning i fiskeskolingsenergidynamik kunne sætte skub i autonome sværmende droner

Forskere, der ønsker at realisere autonome sværmende droner, har studeret den kollektive adfærd af flokkende fugle og sværmende insekter, men en ny undersøgelse foretaget af en gruppe forskere ved ETH Zürich har modelleret fiskens skoleadfærd. Brug af dyb forstærkende læring, gruppen undersøgte, hvordan fisk henter energi fra vandstrømning og turbulens skabt af deres egne svømmeskolekammerater, få indsigt, der kan føre til lavenergi, kollektive autonome dronesværme. Og ja, selvom der er mange fede praktiske applikationer til den private sektor og industrien, Militærer verden over er interesserede i at bygge flåder af autonome sværmende droner. Og ja, det er uhyggeligt.

Fiskeskoleformationer skærer gennem stort set usynlige strømningsfelter, der omdirigerer vandets mekaniske energi, for hvilke fisk skal kompensere individuelt og kollektivt. Ændringer i flow er forårsaget af tidevand, vand omdirigeret forbi objekter, og selve fiskens bevægelser. Over årtusinder, fisk har tilpasset sig, bliver følsomme over for disse ændringer i mekanisk energi og udvikler evnen til at udvinde energi fra undervandsstrømningsfelter.

Dette inkluderer at høste energi fra strømningsmarkerne genereret af deres skolekammerater, fører til kollektive energibesparelser, beslægtet med racerkørere, der drafter eller slipstreamer i kølvandet på den førende bil. En gruppe forskere ved TKTK har offentliggjort en rapport om deres in silico undersøgelse, "Effektiv kollektiv svømning ved at udnytte hvirvler gennem dyb forstærkningslæring, "i Proceedings of the National Academy of Sciences .

Forstærkningslæring er et felt inden for maskinlæring inspireret af behavioristisk psykologi. Det handler i store træk om eksistensen og karakteriseringen af ​​optimale løsninger på et problem; det er en måde at lære softwareagenter at finde de bedste løsninger i et miljø for at opnå en belønning.

At forstå miljøet fisk navigerer er nøglen til at forstå skolegang adfærd. "Der er tegn på, at deres svømningsadfærd tilpasser sig flowgradienter (rheotaxis) og i visse tilfælde, det afspejler energihøst fra sådanne miljøer, " skriver forfatterne. "Hydrodynamiske interaktioner er også blevet impliceret i fiskenes skolemønstre, der dannes, når individuelle fisk tilpasser deres bevægelser til deres jævnaldrende, mens der kompenseres for flow-inducerede forskydninger."

For at bevise, om dette er tilfældet, modellen kombinerede forstærkningslæring med direkte numeriske simuleringer af Navies stokes-ligninger for to selvkørende autonome svømmere i tandem, en ledende og en følgende. I én model, følgeren interagerer med kølvandet skabt af lederen; i det andet, til ensomme svømmere, der bevægede sig isoleret i et ubegrænset domæne. De autonome interagerende fisk udviklede en optimal politik for effektiv svømning; de ensomme svømmere tjente som en kontrol til at vurdere fraværet af en leders kølvand.

Ved at sammenligne energidata for de interagerende fisk og de ensomme svømmere, Forskerne fastslog også, at svømmeeffektiviteten af ​​de interagerende fisk var betydeligt højere, med en stigning på 11 procent i gennemsnitshastigheden, en stigning på 32 procent i den gennemsnitlige svømmeeffektivitet, et fald på 36 procent i en variabel, de kaldte "transportomkostningerne, "et mål for den energi, der bruges til at krydse en enhedsdistance.

© 2018 Tech Xplore