Введение
Сегодня беспилотные воздушные суда всё чаще используются для решения большого количества задач, так как автономное патрулирование, доставка средств первой необходимости в случае чрезвычайных ситуаций, поиск людей и многое другое. Беспилотные воздушные суда (они же БВС, БПЛА, дроны и т.д.) – это суда, управляемые автономной программой или внешним пилотом, находящимся вне борта такого судна. Автономные БВС – беспилотное судно, которое не предусматривает вмешательство пилота в управление. Чаще всего управлением БВС занимается специально обученный человек, использующий пульт дистанционного управления или смартфон [1]. Управлять несколькими дронами (ансамблем или группировкой дронов) с одного устройства довольно сложная задача. Для ее решения была разработана технология, которая основывается на объединении нескольких устройств в одну сеть и дальнейшим взаимодействием с ними через персональный компьютер [2]. При таком типе управления всем устройствам заранее назначаются координаты, по которым они должны передвигаться. Для достижения синхронности используются базовые станции GPS RTK с высокой точностью позиционирования [3]. Управление происходит с использованием специального программного обеспечения, например Drone Dance Controller [4]. Большим недостатком данной технологии является то, что ее использование требует наличия высококвалифицированных специалистов в штате, а развертывание аппаратуры и ее настройка занимает много временных и финансовых ресурсов. В связи с этим требуется рассмотреть возможность альтернативных вариантов организации группировки беспилотных систем, что позволит поднять эффективность и значительно снизить финансовую составляющую вопроса.
Цель исследования заключается в изучении модели управления беспилотных воздушных судов с наземных станций, а также возможности организации автономного ансамбля дронов с использованием технологий искусственного интеллекта для повышения эффективности выполняемых миссий и снижения финансовых затрат за счет сокращения штата внешних пилотов, сопутствующего оборудования и материалов.
Материалы и методы исследования
Базой для исследований служили труды специалистов, посвященные управлению беспилотных воздушных судов, организации группировки таких судов, а также методы искусственного интеллекта, которые могут применяться в работе данного вида устройств. Рассмотрены затраты, касающиеся штата управления БВС. В статье использовались методы изучения, анализа и классификации.
Результаты исследования и их обсуждение
Несмотря на простоту технологии управления дронами с наземной управляющей установки, часто БВС совершают непредусмотренные программой действия. В Шанхае при проведении светового шоу дронов десятки устройств начали некорректно смещаться относительно запланированной траектории, а впоследствии на большой скорости спикировали в воду [5]. Вне зависимости от причин произошедшего, подобного рода инциденты являются показательными и указывают на имеющиеся недостатки у данной технологии организации группировки беспилотных воздушных судов. В связи с данным аспектом необходимо искать альтернативные варианты организации ансамбля дронов, которые предусматривают возможность выполнения поставленной задачи группировкой автономных беспилотных воздушных судов без участия человека или наземной управляющей установкой.
Помимо проблем с используемой на данный момент технологией, также существует и экономическая сторона вопроса, требующая анализа. Основной момент касается содержания штата внешних пилотов, которые смогут организовать и управлять множеством беспилотных воздушных судов. Если каждым устройством в отдельности управляет пилот, а для выполнения миссии требуется десятки устройств, соответственно необходимо привлечь множество специалистов в этой области. Даже при почасовой оплате труда, за один рабочий день придется выделить десятки, а то и сотни тысяч рублей. При этом, стоит также учесть затраты для соблюдения условий труда привлеченных специалистов и закупку расходных материалов. Проведение подобных мероприятий на регулярной основе может повлечь большим затратам, особенно для малого и среднего бизнеса.
При использовании системы атематического управления с использованием базовых станции GPS RTK также есть ряд нюансов. С одной стороны, нет необходимости в содержании штата внешних пилотов, необходимо привлечь несколько работников, которые настроят систему и зададут маршрут полета дронов. С другой стороны – стоимость базовых станций может исчисляться миллионами рублей, а с текущей внешнеэкономической обстановкой и санкциями такое оборудование заказать довольно проблематично. Также, требуется много времени на поиск подходящей площадки для размещения оборудования и программирования карты полета. К сожалению, несколько часов на такую подготовку иногда нет, на пример, при проведении поисково-спасательных работ. Совокупность всех факторов говорит нам о том, что на рынок просто необходимо вывести новый вид беспилотников, которые смогут самостоятельно объединяться в группу и выполнять поставленную цель без регулярного вмешательства человека.
Автономные воздушные суда разрабатываются и используются продолжительное время. Их уже применяют в доставке товаров, построении карт местности и многом другом [6]. Однако, назвать полностью автономными их нельзя. Их обслуживанием, модернизацией, постановкой ежедневных целей и временем использования занимается человек. От части, они являются «частично автономными», тем не менее, создание полностью автономного устройства пока кажется довольно сложной задачей. Реализовать нечто приближенное к автономным устройствам можно с использованием ИИ и концепции «роя дронов». Этот подход подразумевает, что вместо одного технически сложно снаряженного БПЛА создается множество небольших беспилотников, выполняющих задание коллективно, во взаимодействии друг с другом [7]. Данные устройства работают с использованием технологий искусственного интеллекта и нейронных сетей. Так производители пытаются сделать их более безопасными для окружающих и минимизировать случаи столкновения с препятствиями, потери маршрута и пр. Обычно обучение беспилотников проходит с использованием нескольких видов нейронных сетей [8]:
1. Сеть прямого распространения – это нейронная сеть, нейроны которой не образуют цикла. У этой нейронной сети есть три слоя – входной, скрытый и выходной. Входной слой принимает исходные данные, а выходной слой генерирует результат в заданном виде. Каждый нейрон одного слоя связан с каждым нейроном на следующем слое. Увеличение числа скрытых слоев позволяет формировать глубокую нейронную сеть прямого распространения. Данный вид используется для сжатия данных, распознавания образов и речи.
2. Сеть радиальных базисных функций (функция из набора однотипных радиальных функций) чаще всего используется для решения задачи аппроксимации (метод, который заключается в замене одних объектов другими, близкими к начальным, но более простыми). Ее архитектура идентична нейросети прямого распространения. Основное отличие состоит в том, что этот вид использует радиально-базовую функцию в качестве активации нейрона. Этот вид используется для аппроксимации, классификации, и прогнозирования временных рядов, в системах автоматического управления.
3. Сверточные нейронные сети (СНН) – это сети, которые имеют высокую результативность в задаче классификации и кластеризации изображений и в распознавании объектов. По факту, этот вид нейронных сетей универсальный и применяется в различных задачах. СНН по структуре состоят из слоя свертки и пулинга. Слой свертки выполняет функцию преобразования изначального изображения в новую матрицу данных меньшего размера и с применением особого фильтра. Пулинг нужен для уменьшения размерности данных. Преимущество заключается в инвариантности. Объект на изображении может находиться в любом месте, но сеть его все равно найдет.
Использование данных видов нейронных сетей позволяет беспилотникам распознавать объекты, строить карту местности, уклоняться от препятствий и многое другое. Однако, дроны до сих пор совершают нештатные аварийные посадки, а количество разбитых экземпляров снижает темпы применения дронов. Компания Amazon почти десять лет пытается организовать повсеместную доставку своих товаров с использованием автономных беспилотных воздушных судов, но испытывает трудности с надежностью и безотказностью [9].
При организации группы автономных беспилотных воздушных судов требуется решить две ключевые задачи:
– организация обмена данных между устройствами;
– автономное выполнение поставленной задачи.
Организация обмена данными между дронами необходима для того, чтобы устройства могли позиционировать друг друга в пространстве, а также сообщать о возможных препятствиях или обнаружении объекта задания. Например, предупреждение об опасности позволит устройствам заранее выбрать безопасную траекторию для маневра, что сведет количество вышедших из строя БВС к минимуму. Протокол передачи данных между устройствами не играет ключевой роли и может быть выбран в зависимости от целевого предназначения конкретного роя. При работе на открытой местности и небольшом расстоянии между устройствами можно использовать Bluetooth 5 или 6 поколения. При более сложных условиях можно использовать радиоканалы.
На данный момент разработка автономных взаимодействующих устройств только начинается. В мае 2022 года появилась статья китайских ученых, в которых они продемонстрировали свой вариант организации ансамбля дронов [10]. Данные исследования позволяют констатировать факт, что реализация группировки автономных устройств возможна. Несмотря на то, что в работе дронов заметно позиционирование каждого устройства как самостоятельного, нежели ансамбля с точки зрения синхронности действий, это большой шаг в подобного рода исследованиях.
Несмотря на проектирование и разработку БВС с использованием программ компьютерной симуляции, нет гарантии того, что рой дронов будет функционировать корректно, синхронно и быстро. Основной причиной для этого можно считать текущее развитие искусственного интеллекта. Большая часть систем использует принцип последовательного выполнения операций. Так как в ансамбле дронов на каждый аппарат может одновременно поступать информация о его текущем положении, координаты рядом летящих БВС, данные о распознанных с использованием камер объектах, скорость вращения лопастей и многое другое, достаточно сложно обрабатывать все эти данные одновременно, даже с использованием высокопроизводительного многоядерного мобильного процессора и большого объема оперативной памяти. Из-за этого пока не получается добиться необходимого взаимодействия и оперативной реализации команд. Решить эту проблему сможет искусственный интеллект нового поколения.
Под искусственным интеллектом нового поколения в данном случае стоит понимать многозадачную нейросетевую конфигурацию, которая способна использовать множество входных данных в рамках одной модели. На сегодняшний день существуют многозадачные нейронные сети, но их эффективность и скорость работы достаточно низкая [11]. В связи с этим для решения вопроса многозадачности приходится обучать несколько нейросетевых программ, что требует значительных временных ресурсов [12]. Корпорация Google работает над проектом, в рамках которого планирует создавать комплексные нейросети. По словам разработчиков, они смогут одновременно работать над решением тысяч или даже миллионов разных задач одновременно. Проект получил название Pathways. Создатели заявили о том, что принцип работы Pathways несколько похож на принцип работы мозга человека. Схожесть принципов работы заключается в том, что для решения разных задач модель будет использовать не все входные ресурсы, а только ту их часть, которая имеет отношение к решению поступившей задачи [13]. Благодаря такой особенности ИИ можно будет решать все поступающие задачи намного быстрее и эффективнее, что должно положительно сказаться на работе всего ансамбля беспилотных воздушных судов.
Вывод
В результате использования технологий искусственного интеллекта нового поколения вероятность организации автономного ансамбля дронов значительно увеличится, а его надежность и результативность должна стать достаточной для выполнения всех поставленных целей. В свою очередь новые технологии ИИ позволят значительно расширить спектр возможностей в различных сферах человеческой деятельности, таких как здравоохранение, экономика, оборонный сектор, сельское хозяйство, сервисные услуги и т.д. Появление на рынке таких устройств позволит значительно снизить затраты малого и среднего бизнеса при работе с множеством беспилотных воздушных судов. В свою очередь, компании, которые будут поставлять и обслуживать такие устройства смогут получать высокую прибыль, что позволит развивать отрасль беспилотников и выводить на рынок инновационную продукцию. Остается надеяться, что скорость развития технологий автономных БВС и машинного обучения будет только возрастать.