Беспилотные авиационные системы (БАС) активно используются в разных областях – от мониторинга опасных зон до поисково-спасательных операций и сельского хозяйства. При этом во всём мире остается нерешённой задача автономного пилотирования БАС. Учёные Томского государственного университета с помощью машинного обучения помогают ИИ наработать свой собственный опыт, чтобы ориентироваться в пространстве и выбирать безопасную траекторию движения. Исследования проводятся при поддержке федеральной программы «Приоритет 2030».
– Над обеспечением автономного управления БАС работают научные группы во всём мире. Пока даже ведущим центрам удаётся решать отдельные задачи, создаются разрозненные решения, но обеспечить полностью автономное пилотирование пока никто не смог, – поясняет руководитель проекта, заведующий кафедрой интеллектуальных технических систем ФИТ ТГУ Дмитрий Шашев. – В решении этой задачи мы пошли по пути использования такой технологии ИИ, как глубокое машинное обучение с подкреплением (deep reinforcement learning). Классический подход машинного обучения, при котором нейросеть получает новые знания из библиотеки данных, в этом случае не подходит.
Как объясняют учёные, собрать дата сет, который будет содержать все маршруты и условия окружающей среды для передачи их нейросети, невозможно, поскольку эти условия будут меняться. Соответственно, ИИ должен научиться анализировать обстановку и самостоятельно принимать решения точно так же, как это делает человек.
– Особенность глубокого машинного обучения с подкреплением заключается в том, что агент (ИИ, установленный на борту БАС) обучается методом проб и ошибок, как это делает ребёнок. ИИ, приняв неправильное решение, будет корректировать свои действия. Таким образом, происходит непрерывное обучение, – объясняет Дмитрий Шашев. – Безусловно, это занимает время, но вместе с тем даёт хороший устойчивый эффект. Метод учит нейросеть самостоятельно принимать решения в условиях меняющейся обстановки, обходить препятствия и ориентироваться в пространстве.
В настоящее время учёные ФИТ тестируют нейросети с разной архитектурой, чтобы найти оптимальный вариант. Моделей ИИ создано великое множество, но далеко не каждая из них подходит для решения задач автономного пилотирования БАС. Ведь нейросети предстоит работать не на стационарном компьютере, а проводить вычисления на борту беспилотника в режиме реального времени.
В процессе обучения учёные ТГУ используют имитационное моделирование. Это позволяет создавать разные условия окружающей среды и избегать рисков серьёзных поломок БАС. После того, как ИИ совершит первые полёты на виртуальном полигоне и получит базовый опыт, начнутся испытания на полигоне БАС ТГУ.
Полигон был открыт в 2024 году при поддержке федеральной программы «Приоритет 2030» и оснащён уникальной системой для проведения испытаний, которая значительно расширила исследовательские возможности учёных ТГУ. В частности, внутри полигона установлена Motion capture system – система из 34 камер по контуру помещения, которая определенным образом захватывает маяки на объекте и позволяет исследовать движение объекта с точностью до одного миллиметра.
Все мировые лидирующие лаборатории обладают такой системой и используют её в целом в новых технологиях в сфере беспилотной авиации. На текущий момент полигон БАС ТГУ один из самых больших закрытых полигонов в стране.
Добавим, что создание алгоритмов, позволяющих БПЛА самостоятельно адаптироваться к работе в различных условиях, является одним из приоритетных направлений в современной робототехнике. Результаты своей работы по решению задачи автономного пилотирования БАС учёные факультета инновационных технологий ТГУ представят в конце 2025 года.