L’intelligenza artificiale di ispirazione biologica migliora l’affidabilità UV

Poiché le missioni ambientali, oceaniche, di difesa e di salvataggio diventano sempre più complesse, i veicoli sottomarini senza pilota (UUV) stanno diventando strumenti indispensabili. Un nuovo studio condotto da ricercatori australiani e francesi offre una soluzione innovativa per migliorare la loro affidabilità in condizioni impreviste.

Il team scientifico ha utilizzato una soluzione IA ispirata alla vita per migliorare l’affidabilità UUV e altri sistemi di controllo adattivo in condizioni impreviste. Questo approccio innovativo, che utilizza il metodo Bio-Experimental Restart (BIER), è stato pubblicato sulla rivista Accesso all’IEEE.

A differenza dei metodi tradizionali, metodo birra Lo scopo è superare l’inefficienza dei dati e il degrado delle prestazioni sfruttando esperimenti recenti incompleti ma preziosi, afferma l’autore principale, il dott. Thomas Schafer. Lui spiega: “I risultati dello studio hanno mostrato che il BIER ha sovraperformato i metodi standard di riproduzione degli esperimenti, raggiungendo prestazioni ottimali due volte più velocemente di questi ultimi nel campo dei presunti UUV.“.

Test promettenti del metodo BIER

Per testare l’efficacia del metodo proposto, i ricercatori hanno condotto scenari di simulazione utilizzando a Simulazione UV Basato sul Robot Operating System (ROS) e aumentando gradualmente la complessità degli scenari. Tali scenari variavano a seconda dei valori di velocità target e della gravità dei disturbi attuali.

Professore Associato DottUniversità di Flinders In Intelligenza artificiale e robotica, Paulo Santos, autore principale dello studio, afferma che il successo del metodo BIER promette di migliorare l’adattabilità e le prestazioni in vari campi che richiedono sistemi di controllo adattivo dinamico.

Sfide applicative del mondo reale

Le capacità di mappatura, imaging e controllo dei sensori degli UUV stanno migliorando rapidamente, anche attraverso l’apprendimento profondo per rinforzo (DRL), che sviluppa rapidamente risposte di controllo adattativo ai disturbi sottomarini UUV Potresti incontrare. L’efficacia di questi metodi viene testata quando si riscontrano variazioni impreviste nelle applicazioni del mondo reale.

La complessità della dinamica dell’ambiente sottomarino limita l’osservabilità delle attività di manovra subacquea sott’acqua, rendendo difficile il funzionamento ottimale degli attuali metodi DRL. introduzione birra Rappresenta un importante passo avanti nel miglioramento dell’efficacia del metodo di apprendimento con rinforzo profondo in generale.

Focus sugli UUV

I veicoli sottomarini senza pilota (UUV), noti anche come droni sottomarini, stanno rimodellando il modo in cui esploriamo e interagiamo con le profondità dell’oceano. Questi veicoli sommergibili, capaci di operare senza la presenza umana, si dividono in due categorie principali: veicoli subacquei telecomandati (ROUV) e veicoli subacquei autonomi (Uffa). I ROUV sono guidati a distanza da un operatore umano, mentre gli AUV sono completamente automatizzati e funzionano senza intervento umano diretto.

Questi UUV sono progettati specificamente per resistere alle condizioni oceaniche più difficili e possono funzionare per lunghi periodi a grandi profondità. Ciò apre nuove possibilità per ricercatori e scienziati, consentendo loro di accedere ad aree precedentemente inaccessibili ai veicoli convenzionali con equipaggio.

Inoltre, il loro funzionamento silenzioso e l’assenza di emissioni inquinanti li rendono strumenti ideali per studiare la vita e gli habitat marini, senza disturbare o danneggiare l’ecosistema.

Sintetico

Con la sua capacità di navigare efficacemente in ambienti dinamici incerti, il metodo BIER rappresenta un promettente progresso nel campo dei sistemi di controllo adattivo. I ricercatori concludono che questo approccio può migliorare l’affidabilità dei veicoli senza pilota e di altri sistemi di controllo adattivo in condizioni imprevedibili, aprendo la strada a nuove possibilità in vari campi che richiedono sistemi di controllo dinamici e adattivi.

Per una migliore comprensione

Cos’è il metodo BIER?

Il metodo BIER (Biologically Inspired Experiment Restart) è una soluzione di intelligenza artificiale ispirata alla biologia che mira a migliorare l’affidabilità dei veicoli sottomarini senza pilota (UUV) e altri sistemi di controllo adattivo in condizioni impreviste.

metodo birra Supera l’inefficienza dei dati e il degrado delle prestazioni sfruttando esperimenti recenti incompleti ma preziosi. Utilizza due buffer di memoria, uno focalizzato sulle coppie di azioni dell’ultimo stato e l’altro focalizzato sulle ricompense positive.

Quali sono i vantaggi del metodo BIER rispetto ai metodi tradizionali?

Il metodo BIER ha mostrato prestazioni ottimali due volte più velocemente rispetto ai metodi convenzionali nel campo UV. Ha dimostrato un’adattabilità ed efficienza eccezionali, dimostrando la sua capacità di stabilizzare l’UUV in condizioni diverse e difficili.

I ricercatori hanno condotto scenari di simulazione utilizzando un simulatore UUV basato sul sistema operativo del robot (russo) e aumentare gradualmente la complessità degli scenari. Tali scenari variavano a seconda dei valori di velocità target e della gravità dei disturbi attuali.

Quali sono le potenziali applicazioni del metodo BIER?

Il metodo BIER può migliorare l’adattabilità e le prestazioni in vari campi che richiedono sistemi di controllo adattivo dinamico. Può anche migliorare l’affidabilità dei veicoli senza pilota e di altri sistemi di controllo adattivo in condizioni impreviste.

Lezioni chiave

Riferimenti

Flinders University, Dr. Thomas Schäfer, Professor Paulo Santos, IEEE Access

Il metodo BIER (Biologically Inspired Experiment Remodeling) è stato pubblicato su una rivista Rivista di accesso IEEE.

[ Rédaction ]