小さなクワドローターが 18 秒で飛行を習得

過去 10 年間でクワッドローターがどのようにスケールしてきたかは、ある意味驚くべきことです。 同様に、少なくとも商業的または研究の観点から見ると、私たちは現在、使い捨ての段階に来ています。200 米ドル強で、27 グラムの完全にオープンソースのドローンとすべてのドローンを購入できます。あなたがしなければならないのは、飛ぶことを教えることです。 ただし、ドローンに飛行を教えるのは簡単なプロセスではないため、ここからが少し難しくなります。 優れたシミュレーションと強化学習などの技術のおかげで、以前よりもドローンに自律性を与えることがはるかに簡単になりました。 しかし、これは通常、高速なプロセスではなく、シミュレーションから現実へスムーズに移行するのが難しい場合があります。

ニューヨーク大学のアジャイル ロボティクスおよび知覚研究所は、テクノロジー イノベーション研究所 (TII) と協力して、ドローンに基本的な自律性を持たせるプロセスを合理化し、大幅に合理化することに成功しました。研究所のシステムは、ドローンを以下の方法で訓練することができます。何もないところから安定して制御可能な飛行まで、MacBook Pro 上で 18 秒間でシミュレーションできます。 そして実際には、ファームウェアをコンパイルしてドローン自体にフラッシュする方が、トレーニング プロセス全体よりも時間がかかります。

ニューヨーク州アープル

そのため、ドローンは突きや突撃、風をはねのけて安定したホバリングを維持できるだけでなく、特定の軌道で飛行することもできます。 18秒なら悪くないですよね？

通常、トレーニング時間を遅くする原因の 1 つは、現実世界ではなく特定のシミュレーション内で飛行するようにシステムをトレーニングするだけになるのではなく、トレーニングの目的を正確に磨き続ける必要があることです。 ここで使用される戦略は、強化学習を通じてシステムをトレーニングするために使用される報酬関数を調整するために、研究者がカリキュラムと呼ぶもの (一種の授業計画とも考えることができます) です。 カリキュラムは、より寛容なものから始まり、堅牢性と信頼性を強調するために徐々にペナルティを増やします。 これはすべて効率の問題です。必要なトレーニングを、必要な結果を得るために必要な方法で行うことであり、それ以上ではありません。

このテクニックを速度のために最適化する、より簡単なトリックは他にもあります。 深層強化学習アルゴリズムは特に効率的で、Apple の M シリーズ プロセッサに付属するハードウェア アクセラレーションを活用します。 シミュレーターの効率により、強化学習パイプラインのカリキュラム主導のサンプル効率の利点が何倍にもなり、トレーニング時間が非常に速くなります。

このアプローチは、単純な小型ドローンに限定されるものではありません。大型で高価なドローンや、自分でゼロから組み立てたドローンなど、ほぼすべてのドローンに適用できます。

ヨナス・エシュマン

上のビデオでは、ドローンのポリシーをトレーニングするのに数秒ではなく数分かかったそうですが、研究者らは近い将来、このようなより複雑なドローンでも 18 秒が達成可能であると予想しています。 そして、これはすべてオープンソースなので、実際にドローンを構築し、このシステムで飛行するように教えることができます。 しかし、少し待っていれば、状況は改善するだけです。研究者らは、オープンソースのドローン自動操縦装置 PX4 との統合に取り組んでいると語った。 長期的には、このアイデアは、さまざまな環境条件やさまざまな車両構成に適応できる単一のポリシーを持つことです。つまり、これはクアッドローターだけでなく、あらゆる種類の飛行ロボットに機能する可能性があります。

これを自分で実行するために必要なものはすべて GitHub で入手でき、論文は ArXiv にあります。