AI upravlja adaptivnim kontrolnim sistemima
Bespilotna podvodna vozila (UUV) se koriste širom sveta za sprovođenje teških ekoloških, udaljenih, okeanskih, odbrambenih i spasilačkih misija u često nepredvidivim i teškim uslovima.
Nova studija koju su predvodili Univerzitet Flinders i francuski istraživači koristili su novo rešenje veštačke inteligencije inspirisano bio-inspiracijom kako bi poboljšali potencijal UUV-a i drugih prilagodljivih kontrolnih sistema da rade pouzdanije na nemirnom moru i drugim nepredvidivim uslovima.
Ovaj inovativni pristup, koji koristi metodu biološki inspirisanog ponavljanja iskustva (BIER), objavio je časopis IEEE Access Instituta za inženjere elektrotehnike i elektronike.
Za razliku od konvencionalnih metoda, BIER ima za cilj da prevaziđe neefikasnost podataka i degradaciju performansi koristeći nepotpuna, ali dragocena nedavna iskustva, objasnio je prvi autor dr. Tomas Chaffre.
„Ishodi studije su pokazali da je BIER nadmašio standardne metode “iskustvenih odgovora”, postižući optimalne performanse dvostruko brže od poslednjeg u pretpostavljenom UUV domenu. Metoda je pokazala izuzetnu prilagodljivost i efikasnost, pokazujući svoju sposobnost da stabilizuje UUV u različitim i izazovnim uslovima“, rekao je Chaffre.
Metoda uključuje dva memorijska bafera, jedan se fokusira na nedavne parove stanje-akcija, a drugi naglašava pozitivne nagrade.
Da bi testirali efikasnost predloženog metoda, istraživači su sproveli simulirane scenarije koristeći UUV simulator zasnovan na robotskom operativnom sistemu (ROS) i postepeno povećavajući složenost scenarija. Ovi scenariji su varirali u vrednostima ciljne brzine i intenzitetu strujnih poremećaja.
Viši autor, vanredni profesor za veštačku inteligenciju i robotiku Univerziteta Flinders, Paulo Santos rekao je da uspeh BIER metode obećava za poboljšanje prilagodljivosti i performansi u različitim oblastima koje zahtevaju dinamičke, prilagodljive sisteme upravljanja.
Mogućnosti UUV-a u mapiranju, snimanju i senzorskim kontrolama se poboljšavaju, uključujući i učenje dubokog pojačanja (DRL), koje brzo unapređuje adaptivne kontrolne odgovore na podvodne poremećaje na koje UUV mogu naići.
Međutim, efikasnost ovih metoda se dovodi u pitanje kada se suoče sa nepredviđenim varijacijama u aplikacijama u stvarnom svetu. Složena dinamika podvodnog okruženja ograničava uočljivost zadataka manevrisanja UUV, što otežava optimalno obavljanje postojećih DRL metoda.
Uvođenje BIER-a označava značajan korak napred u poboljšanju efikasnosti metode učenja sa dubokim pojačanjem uopšte.
Njegova sposobnost da se efikasno kreće u nesigurnim i dinamičnim okruženjima označava obećavajući napredak u oblasti adaptivnih kontrolnih sistema, prema istraživačima.
Izvor: techbriefs.com
