АНПА, такие как подводные планеры, являются ценными инструментами исследования, ограниченными в первую очередь их энергетическим бюджетом — каждый бит энергии батареи, потраченный впустую из-за неэффективных траекторий, сокращает время, которое они могут потратить на работу.«Исторически сложилось так, что множество наборов океанографических данных и выборки были получены с судов, которые дороги и могут быть недоступны только на несколько дней за раз», — сказал Дилан Джонс, доктор философии на третьем курсе. студент программы робототехники Университета штата Орегон и ведущий автор исследования. «С помощью автономных подводных аппаратов вы можете осуществлять мониторинг в течение нескольких месяцев.
А способ расширить возможности этих аппаратов — за счет более разумного планирования того, как они добираются от одной точки интереса к другой».Джонс и доктор философии. Советник Джефф Холлингер, доцент кафедры машиностроения инженерного колледжа ОГУ, создал основу для транспортных средств, позволяющую планировать траектории с низким энергопотреблением с учетом сильных и неопределенных возмущений, таких как океанические течения и поля ветра.
Структура включает алгоритм, который выбирает альтернативные пути, а также показатели сравнения, которые позволяют транспортному средству решать, когда имеет смысл переключать пути на основе новой информации, собранной о нарушениях окружающей среды.Исследователи протестировали структуру в смоделированной среде — наборе данных о течениях из Региональной системы моделирования океана — а также на ветреном озере с автономной лодкой.Результаты, недавно опубликованные в IEEE Robotics and Automation Letters, показывают, что алгоритм может планировать маршруты транспортных средств, которые более энергоэффективны, чем те, которые запланированы существующими методами, и что он достаточно надежен для работы в средах, для которых не так много данных.Результаты также показывают, что три из пяти метрик сравнения путей могут использоваться для планирования более эффективных маршрутов по сравнению с планированием, основанным исключительно на прогнозе океанских течений.
«Мы обобщили прошлые методы оптимизации траектории, а также удалили предположение о том, что путевые точки траектории одинаково разнесены во времени», — сказал Джонс. "Отказ от этого предположения улучшает состояние дел в области энергосберегающего планирования пути.«Это недостаточно задействованные транспортные средства — они не движутся быстро по сравнению с сильными океанскими течениями, поэтому один из способов заставить их двигаться более эффективно — плыть по течению, двигаться по инерции и не использовать энергию», — добавил он. . «Мы встраиваем в эти машины больше интеллекта, чтобы они могли более надежно выполнять свои задачи».Джонс отмечает, что преодоление сильных возмущений является важным компонентом помещения любого робота в реальную среду. По его словам, прошлые алгоритмы планирования не всегда учитывали динамику планируемого транспортного средства.
«Иногда мы делаем предположения в лаборатории или проводим моделирование, которое не реализуется в реальном мире», — сказал Джонс. «Иногда помехи слишком сильны, чтобы их можно было преодолеть, а иногда их можно преодолеть, но путь отклоняется настолько сильно, что это может поставить робота в опасную зону. Мы должны учитывать все возможные местоположения робота. Есть более разумные способы рассмотрения этих различных нарушений, и это дает нам лучший способ планирования путей, наименее затронутых нарушениями ".По словам Джонс, любое отключение между контроллером и планировщиком может быть опасным.
«То, как мы видим, как продвигается эта работа, заключается в том, чтобы преодолеть этот пробел — как мы смотрим на пути, по которым контроллерам легче следовать, и как мы можем заставить контроллеры лучше следовать путям?» он сказал. «Мы можем быть более энергоэффективными, если будем рассматривать окружающую среду в целом, планируя пути так, чтобы контроллеру транспортного средства не приходилось работать так тяжело».Дальнейшие исследования также будут касаться «информативного планирования пути» — планирования путей, которые первоначально собирают информацию об окружающей среде и нарушениях, которые алгоритм может использовать позже для планирования более энергоэффективных маршрутов.
«Как нам объединить эти две идеи — спланировать путь к повышению энергоэффективности, а также попытаться собрать информацию, которая послужит основой для эффективного планирования пути?» — сказал Джонс. «Будут компромиссы, и это может свести к следующему: заплачу ли я пять часов сейчас, чтобы сэкономить шесть часов спустя? Еще одно возможное направление исследования — изучить ситуацию с несколькими транспортными средствами, когда одно транспортное средство может двигаться вперед и передавать информацию одному или нескольким другим. — они могли бы иметь низкую общую стоимость энергии, разумно ставя цели и обмениваясь информацией ».