به گزارش ایسنا و به نقل از ساینس‌دیلی، فرود آوردن آرام پهپادهایی که به چند روتور مجهز هستند، کار دشواری است زیرا تلاطمی که جریان هوای ناشی از هر روتور تولید می‌کند، می‌تواند پهپاد را هنگام فرود تکان دهد. به همین دلیل، بلند شدن و فرود پهپاد، معمولاً دشوارترین بخش‌های پرواز آن به شمار می‌روند. تکان خوردن پهپادها تا هنگام پایان یافتن نیرو و افتادن آن روی زمین ادامه دارد.

متخصصان هوش مصنوعی "مؤسسه فناوری کالیفرنیا"(CalTech) به سرپرستی "مرتضی قریب"(Morteza Gharib)، دانشمند ایرانی، سیستمی ابداع کرده‌اند که با کمک یک شبکه عمیق عصبی، به پهپادهای خودران کمک می‌کند تا فرود آمدن سریع و ایمن با مصرف کم انرژی را یاد بگیرند. این سیستم موسوم به "نورال لندر"(Neural Lander)، یک کنترل‌کننده مبتنی بر یادگیری است که حالت قرار گرفتن و سرعت پهپاد را ردیابی و مسیر فرود آن و سرعت روتور را اصلاح می‌کند تا آرام‌ترین فرود ممکن برنامه‌ریزی شود.

"سون جو چانگ"(Soon-Jo Chung)، استاد هوا فضای مؤسسه فناوری کالیفرنیا گفت: شاید این پروژه بتواند به فرود آرام و ایمن پهپادها به خصوص در شرایط ناملایم مانند وزش باد با صرف کمترین انرژی کمک کند.

پژوهشگران در کنار کاربردهای تجاری این سیستم، مزایایی در حوزه پزشکی و نقل و انتقالات مربوط به این حوزه در نواحی دورافتاده مطرح کردند.

قریب گفت: اهمیت فرود سریع و آرام هنگام جا به جا کردن یک فرد زخمی، غیرقابل انکار است.

شبکه‌های عصبی عمیق، سیستم‌های مبتنی بر هوش مصنوعی هستند که با الهام از سیستم‌های زیستی مانند مغز طراحی می‌شوند. کلمه عمیق، به این واقعیت اشاره دارد که داده‌های ورودی به چند لایه تجزیه می‌شوند و هر یک از آنها اطلاعات ورودی را با روشی مشابه پردازش می‌کند. این شبکه‌ها، قابلیت یادگیری خودکار دارند و همین قابلیت موجب می‌شود برای وظایف تکراری مناسب باشند.

پژوهشگران برای اینکه مطمئن شوند پهپاد، به آرامی و با راهنمایی شبکه عصبی پرواز می‌کند، روشی موسوم به "هنجارسازی طیفی"(spectral normalization) را به کار بردند و بهبود در پرواز پهپاد را مورد بررسی قرار دادند.

این سیستم جدید می‌تواند امکان بروز خطا در حرکت عمودی را در فرودهای کنترل شده، تا ۱۰۰ درصد و در حرکت افقی تا ۹۰ درصد کاهش دهد.

سیستم نورال لندر طی پرواز آزمایشی توانست امکان انتقال آرامتر را فراهم کند. "ییسونگ یو"(Yisong Yue)، استادیار علوم رایانه و ریاضی مؤسسه فناوری کالیفرنیا و از پژوهشگران این پروژه گفت: نورال لندر با ارتکاب اشتباهات کمتر می‌تواند از عهده فرود سریع‌تر و آرامتر روی سطح زمین برآید.

ابداع این سیستم، یک همکاری بینارشته‌ای میان متخصصان حوزه یادگیری ماشینی و سیستم‌های کنترل‌کننده به شمار می‌رود و ارتباطات محکمی را میان این دو حوزه شکل داده است.

این پژوهش، در نشست بین‌المللی "IEEE" ارائه خواهد شد.

انتهای پیام