Autonomus Multi Robot Drone Bergerak Tanpa Tabrakan
Saat menggunakan GLAS dan Neural Swarm, sebuah robot tidak membutuhkan gambaran lengkap dan komprehensif dari lingkungan yang dilaluinya. Ia juga tidak akan mengambil jalan yang akan dilalui robot lain. Justru sebaliknya, robot akan belajar bagaimana menavigasi area secara cepat (sepersekian detik) dan memasukkan informasi baru ke dalam model pembelajaran.
Setiap robot dalam satu kelompok hanya membutuhkan informasi tentang lingkungan lokalnya. Perhitungan desentralisasi setiap robot dapat membentuk pola pikirnya sendiri dan membuatnya lebih mudah untuk meningkatkan jumlah robot dalam satu kelompok.
“Proyek-proyek ini menunjukkan potensi untuk mengintegrasikan metode pembelajaran mesin modern ke dalam perencanaan dan kontrol multiagen, serta mengungkap arah baru yang menarik dalam penelitian tentang pembelajaran mesin,” kata Yue.
Chung dan Yue menerapkan GLAS dan Neural Swarm pada kelompok quadcopter hingga 16 drone ketika melakukan uji sistem baru. Mereka menerbangkan drone di area terbuka di Pusat Teknologi dan Sistem Autonomus (CAST) Caltech.
Tim menemukan bahwa GLAS dapat mengungguli algoritma perencanaan gerak multirobot mutakhir sebesar 20% dalam berbagai kasus. Sementara itu, Neural Swarm secara signifikan mengungguli pengontrol komersial yang tidak dapat mempertimbangkan interaksi aerodinamik.
Interaksi aerodinamik meliputi kesalahan pelacakan, metrik kunci yang merupakan cara drone mengorientasi diri dan melacak posisi yang diinginkan dalam ruang tiga dimensi, serta penggunaan kontrol baru. Ini sangat diperlukan untuk mencegah benturan antar-drone saat terbang di udara
