Robotter lærer ved at tjekke ind på teammedlemmer

Den software og hardware, der er nødvendig for at koordinere et team af ubemandede luftfartøjer (UAV'er), der kan kommunikere og arbejde hen imod et fælles mål, er for nylig blevet udviklet af KAUST -forskere.

"At give UAV'er mere autonomi gør dem til en endnu mere værdifuld ressource, "siger Mohamed Abdelkader, der arbejdede på projektet med sine kolleger under vejledning af Jeff Shamma. "Overvågning af udviklingen af ​​en drone, der sendes ud på en bestemt opgave, er langt lettere end at fjernstyre en selv. Et team af droner, der kan kommunikere indbyrdes, giver et værktøj, der kan bruges bredt, for eksempel, for at forbedre sikkerheden eller tage billeder samtidigt over et stort område. "

Forskerne testede et Capture the Flag -spilscenario, hvorved et team af forsvarsdroner arbejdede sammen inden for et defineret område for at opsnappe en ubuden drone og forhindre den i at nå et bestemt sted. For at give spillet mere ægthed, og for at kontrollere, om deres algoritmer ville fungere under uforudsigelige forhold, ubudnehandsdronen blev fjernstyret af en forsker.

Abdelkader og teamet afviste hurtigt tanken om at have en central basestation, som dronerne ville kommunikere med. I stedet, de specialbyggede UAV'er og indarbejdede en let, lavt strømforbrug og wi-fi-modul på hver enkelt, så de kunne tale med hinanden under flyvningen.

"En centraliseret arkitektur tager betydelig computerkraft til at modtage og videresende flere signaler, og det har også et potentielt enkelt punkt med total fiasko - basestationen, "forklarer Shamma." I stedet for vi designede en distribueret arkitektur, hvor dronerne koordinerer baseret på lokal information og peer-to-peer kommunikation. "

Teamets algoritme sigter mod at opnå et optimalt niveau for peer-to-peer-beskeder-hvilket ikke skulle være for meget, ikke for lidt - og hurtige reaktionstider, uden for meget tung beregning. Dette gør det muligt for algoritmen at fungere effektivt i realtid, mens dronerne jagter en ubuden gæst.

"Hver af vores droner laver sin egen plan baseret på en prognose for optimistiske syn på deres holdkammeraters handlinger og pessimistiske syn på modstanderens handlinger, "forklarer Abdelkader." Da disse prognoser kan være unøjagtige, hver drone udfører kun en del af sin plan, revurderer derefter situationen før omplanlægning. "

Deres algoritme fungerede godt på både indendørs og udendørs arenaer under forskellige angrebsscenarier. Abdelkader håber deres software, som nu er tilgængelig som open-source, vil levere testbedet til flere applikationer. KAUST -teamet håber at gøre dronerne i stand til at arbejde i større, udendørs områder og for at forbedre softwaren ved at inkorporere adaptive machine-learning-teknikker.