На беспилотные летательные аппараты или дроны возлагают надежды не только военные. Эти технологии обладают массой перспектив для использования и в мирных отраслях, например, они могут проводить изучение местности в труднодоступных местах. Но прежде чем они получат широкое распространение, предстоит решить немало проблем.

Одной из задач для разработчиков является серьёзное повышение манёвренности дронов, чтобы они не врезались во всевозможные препятствия, возникающие у них на пути. Кроме этого, беспилотникам предстоит научиться корректировать своё передвижение в зависимости от дождя и ветра.

Разработчики дронов стремятся к тому, чтобы их аппараты, насколько это возможно, подражали живым существам, например, птицам или насекомым. Но такой полёт ― сложная инженерная задача, поскольку подразумевает способность изменять своё положение в шести направлениях: вперёд/назад, вверх/вниз, влево/вправо и три варианта вращения – относительно главной поперечной оси (тангаж), относительно вертикальной оси (рыскание) и вокруг продольной оси (крен).

То есть для программирования полёта в каждый момент времени необходимо 12 чисел для того, чтобы понимать, где находится и с какой скоростью движется аппарат. При этом нужно ещё распознавать объекты, которые могут быть препятствиями.

Сразу две команды исследователей из Лаборатории информатики и искусственного интеллекта (CSAIL) Массачусетского технологического института работают над проектами по созданию программного обеспечения для решения этой трудной задачи.

Первая из них, работавшая во главе с Бенуа Лэндри (Benoit Landry), использовала алгоритмы, которые до этого были созданы для перемещения робота "Атласа" компании Boston Dinamics. Основная идея состоит в том, чтобы делить пространство на сегменты и анализировать его не на предмет наличия препятствий, а на присутствие свободного пути, а потом складывать результаты в общую картинку и искать наилучшее направление движения. Так "Атласу" стала под силу прогулка по лесу.

Теперь робототехники решили подняться на новый уровень и покорить лес в полёте. Для начала использовался макет леса, построенный в лабораторных условиях. Его изготовили из труб, между которыми под разным углом натянули верёвки.

"Лес" учёные покоряли на квадрокоптере весом всего 34 грамма. Этот 9-сантиметровый дрон смог преодолеть сложное пространство площадью около трёх квадратных метров со скоростью свыше одного метра в секунду.

Для распознавания пространства перед квадрокоптером использовались оптические датчики захвата движения и инерциальный измерительный блок или гиростабилизатор, которые помогают аппарату точно определить, где располагаются препятствия.

В пресс-релизе MIT авторы отмечают, что пока дрон не может простраивать свой маршрут в режиме реального времени. Этот процесс занимает около 10 минут, но у Лэндри уже есть идеи, как существенно сократить это время.

Во втором проекте CSAIL главным действующим лицом стал самолётик с неподвижными крыльями. В отличие от первого, этот дрон способен гарантированно преодолевать препятствия без каких-либо предварительных знаний о пространстве. При этом он успешно справляется с задачей даже при наличии ветра.

Ведущий автор исследования Анирудха Маджумдар (Anirudha Majumdar) создал библиотеку из 40-50 траекторий, которые описывают возможные варианты движения или тоннели. После запуска аппарата алгоритм постепенно сшивает части этих путей, прокладывая траекторию, по которой дрон сможет продолжать своё движение беспрепятственно (решение на каждой развилке из каталога принимается за 0,02 секунды). Благодаря такому программному обеспечению беспилотник планирует свой полёт на лету.

Подход, разработанный Маджумдаром, достаточно гибкий. Алгоритм может использоваться для дронов разных размеров и веса, а также применён для наземных транспортных средств и шагающих роботов.

Все разработанные учёными коды находятся в открытом доступе на ресурсе GitHub. Авторы надеются, что другие исследователи будут опираться на их результаты, и что, в конечном итоге, дроны станут максимально полезными для людей в различных сферах жизни.

Более подробно с результатами исследований Маджумдара можно ознакомиться, прочитав препринт статьи, появившийся на сайте arXiv.org. Предварительная статья команды Лэндри также находится в открытом доступе на сайте MIT (PDF-документ).