安全なナビゲーションのためのトレーニングドローン

ドローンとロボットが複雑なパス計画なしで混雑した環境を安全にナビゲートできる場合はどうなりますか？新しい方法が少数のエージェントから数千にどのように拡大するかを学びます。

MITエンジニアは、混雑した環境での安全な動作を保証するマルチエージェントシステムのトレーニング方法を開発しました。学習した安全マージンとコントロールは、少数のエージェントをトレーニングして、システム全体の安全性を維持することにより、より大きなグループに自動的にスケーリングできます。実際のテストでは、手のひらサイズのドローンが正常な位置を正常に切り替え、移動車両に着地しました。シミュレーションにより、いくつかのドローンに適用される同じトレーニングを数千に拡張できることが確認され、安全性を確保しながら大規模な調整操作を可能にしました。

モールマージン
MITチームは、より大きなシステムに効率的にスケーリングする方法で安全に操縦するために、少数のエージェントを訓練する方法を開発しました。各エージェントの特定のパスを計画する代わりに、この方法により、安全な操作を定義する安全マージン、つまり継続的に安全マージンをマッピングできます。エージェントは、これらのマージン内に留まる限り、さまざまなパスを取ってタスクを完了することができます。研究者は、このアプローチを、人間が周囲を直感的にナビゲートする方法と比較します。


安全障壁
彼らの研究では、MITチームは、マルチエージェントシステムで安全なナビゲーションを確保する方法であるGCBF+（グラフ制御バリア機能）を導入しました。バリア関数は、エージェントが危険にさらされるリスクを伴う安全境界を定義し、この境界はエージェントが移動して相互作用するにつれて動的に変化します。従来のアプローチでは、他のすべてのエージェントと比較してすべてのエージェントの安全ゾーンを計算する必要があります。GCBF+は、より大きなシステムの動作を正確に表す、エージェントの小さなサブセットのみの安全ゾーンを計算することにより、これを簡素化します。この方法では、エージェントのセンシング半径を考慮します - それが観察できる周囲のどれだけ - を使用して、シミュレーションを使用して、安全性を維持しながらエージェントを導くコントローラーを開発します。

チームは、8つのcrazyflies、小さな四角ドローンを使用してGCBF+をテストしました。これにより、リアルタイムパスを調整して、衝突せずに空中に位置を切り替えました。ドローンは、セーフティゾーンを継続的にマッピングし、必要なコース修正を行うことにより、互いに避けました。別のテストでは、ドローンは、動くタートルボットに着陸し、車輪付きロボットが輪になって運転することを任されていました。継続的な動きにもかかわらず、Crazyfliesは衝突を避けながら着陸を調整し、動的環境での方法の有効性を実証しました。