فناوری جدید MIT برای جلوگیری از تصادف که می‌تواند هزاران پهپاد و خودرو را به طور همزمان کنترل کند
حوادث نمایش پهپادها نشان دهنده چالش‌های مدیریت ایمنی در «سیستم‌های چندعاملی» است - دسته‌ای که شامل ربات‌ها، پهپادها، و خودروهای خودران می‌باشد.
در پاسخ به این چالش، مهندسان MIT یک روش آموزش جدید توسعه داده‌اند که عملکرد ایمن این سیستم‌ها را در محیط‌های پرازدحام تضمین می‌کند.
تیم با آموزش پهپادهای کوچک برای انجام وظایفی مانند جابجایی موقعیت در نیم‌پرواز و فرود روی وسایل نقلیه در حال حرکت، موفقیت‌های عملی به دست آورد. در شبیه‌سازی‌ها، نشان دادند که همین آموزش می‌تواند برای هزاران پهپاد مقیاس داده شود و عملکرد ایمن در سیستم‌های بزرگ را تضمین کند.
چوچو فن، استاد مربی در رشته هوافضا و فضانوردی MIT، در بیانیه‌ای گفت: «این می‌تواند یک استاندارد برای هر کاربردی باشد که به تیمی از عوامل نیاز دارد، مانند ربات‌های انبار، پهپادهای جستجو و نجات و خودروهای بدون راننده. این روش یک سپر یا فیلتر ایمنی ارائه می‌دهد و به هر عامل می‌گوید می‌تواند با ماموریت خود ادامه دهد و ما به شما خواهیم گفت چگونه ایمن باشید.»
مقیاس‌بندی سیستم‌های ایمنی
طراحی برای ایمنی در سیستم‌های چندعاملی معمولاً نیاز به برنامه‌ریزی پیچیده مسیر دو به دو دارد، جایی که مهندسان مسیرهای ممکن هر عامل را نسبت به سایر عوامل در نظر می‌گیرند.
این فرآیند زمان‌بر، محاسباتی پرهزینه، و همیشه ایمنی را تضمین نمی‌کند. در نمایش‌های پهپادها، به عنوان مثال، هر پهپاد راهی از پیش تعیین شده را دنبال می‌کند، بدون اطلاع از موانع غیرمنتظره، که فضای کمی برای تطبیق باقی می‌گذارد.
به‌جای اتکا به برنامه‌ریزی مسیر خاص برای هر عامل، محققان روشی را توسعه دادند که در آن تعداد کمی از عوامل برای ناوبری ایمن آموزش می‌بینند، که می‌توان آن را برای هر تعداد عامل مقیاس داد.
این روش به مسیرهای سختگیرانه توجه ندارد بلکه به عوامل امکان می‌دهد به طور مداوم حاشیه‌های ایمنی خود را ترسیم کنند - مرزهایی که باید در آن باقی بمانند. تا زمانی که در این حاشیه‌ها بمانند، می‌توانند هر مسیر را برای تکمیل وظیفه خود انتخاب کنند. این روش شبیه به نحوه ناوبری انسان‌ها در محیط‌شان است، با تغییرات تطبیق می‌کند در حالی که ایمنی را حفظ می‌کند.
اوسوین سو، دانشجوی تحصیلات تکمیلی MIT و نویسنده مشارکت‌کننده در این مطالعه، در یک بیانیه گفت: «بگویید در یک مرکز خرید بسیار شلوغ هستید. شما نگران کسی جز افرادی که در منطقه همسایگی شما هستند، مانند 5 متر اطراف شما، در زمینه حرکت ایمن و برخورد نکردن به کسی نیستید. کار ما یک نگرش محلی مشابه را اتخاذ می‌کند.»
ناوبری ایمنی پویا
این مطالعه GCBF+ (تابع کنترل مانع گرافی) را معرفی می‌کند، روشی برای تضمین ایمنی در سیستم‌های چندعاملی. توابع مانع یک منطقه ایمنی برای هر عامل محاسبه می‌کنند و مرزی را نشان می‌دهند که عامل ممکن است از آن خارج شود.
به‌طور سنتی، توابع مانع نیاز به محاسبه تعاملات و مسیرها برای هر عامل در سیستم دارند، اما روش تیم MIT بر تعداد کمی از عوامل متمرکز است. این رویکرد ساده‌شده مناطق ایمنی دقیقی ایجاد می‌کند که می‌توان آن را به سیستم‌های بزرگ‌تر مقیاس داد.
برای محاسبه تابع مانع یک عامل، این روش شعاع حس‌گرایی آن را در نظر می‌گیرد—مقداری که می‌تواند مشاهده کند—و از شبیه‌سازی‌های حرکات عامل بر اساس محدودیت‌های مکانیکی استفاده می‌کند. یک کنترلر، یا مجموعه‌ای از دستورالعمل‌ها، برای ناوبری ایمن ایجاد می‌شود و نقض‌های ایمنی را کاهش می‌دهد.
به عنوان عواملی که حرکت می‌کنند، مناطق ایمنی آن‌ها به‌طور مداوم بر اساس محیط اطرافشان تنظیم می‌شود و به آن‌ها امکان می‌دهد به‌طور ایمن ناوبری کنند و وظایف را بدون برنامه‌ریزی مسیر سخت انجام دهند، مانند نحوه اجتناب شهودی انسان‌ها از موانع.
فن گفت: «کنترلر ما واکنشی است. ما مسیر را از قبل برنامه‌ریزی نمی‌کنیم. کنترلر ما دائماً اطلاعاتی درباره مسیر حرکت یک عامل، سرعت آن، سرعت حرکت سایر پهپادها را جمع‌آوری می‌کند. این از تمام این اطلاعات برای ایجاد یک طرح سریع استفاده می‌کند و هر بار برنامه‌ریزی مجدد می‌کند. بنابراین، اگر وضعیت تغییر کند، همیشه می‌تواند برای ایمنی تطبیق کند.»
تیم GCBF+ را بر روی هشت Crazyflies، پهپادهای کوچک روتور چهارموتوره، آزمایش کرد، با جابه‌جایی موقعیت آن‌ها در نیم‌پرواز. بدون استفاده از این روش، مسیرهای مستقیم به برخورد منجر می‌شود. با این حال، پس از آموزش، پهپادها در زمان واقعی تنظیم شده و در مناطق ایمنی خود باقی ماندند تا از تصادفات جلوگیری کنند.
تیم همچنین پهپادها را به فرود روی Turtlebots در حال حرکت، که به‌طور مداوم دایره می‌زدند، فرمان داد. با استفاده از GCBF+، Crazyflies با موفقیت از برخورد اجتناب کردند در زمان فرود.
فن گفت: «با استفاده از چارچوب ما، فقط باید به پهپادها مقاصدشان را بدهیم، به جای کل مسیر بدون برخورد، و پهپادها می‌توانند به خودی خود برطرف کنند که چگونه بدون برخورد به مقاصدشان برسند.»
تیم اعتقاد دارد که این روش می‌تواند به هر سیستم چندعاملی برای تضمین ایمنی استفاده شود، از جمله برنامه‌هایی مانند نمایش‌های پهپاد، ربات‌های انبار، وسایل نقلیه خودران و سیستم‌های تحویل پهپادی.
جزئیات پژوهش تیم در مجله IEEE Transactions on Robotics منتشر شد.
