یک الگوریتم ناوبری توسعه یافته در دانشگاه زوریخ، هواپیمای بدون سرنشین را قادر می سازد تا مانورهای آکروباتیک چالش برانگیز را یاد بگیرد. کوادکوپترهای خودمختار را می توان با استفاده از شبیه سازی برای افزایش سرعت، چابکی و کارایی آنها آموزش داد که این امر از مزایای عملیات جستجو و نجات است.
از زمان آغاز پرواز، خلبانان از مانورهای آکروباتیک برای حدود پرواز هواپیماهای خود استفاده کرده اند. این مساًله در مورد هواپیماهای بدون سرنشین نیز صدق میکند: خلبانان حرفه ای اغلب محدوده هوایی هواپیماهای بدون سرنشین خود را بدست می آورند و با پرواز چنین مانورهایی در مسابقات، سطح تسلط خود را می سنجند.
کارایی بیشتر، سرعت بالاتر
در حالیکه ممکن است یک پهپاد معمولی نتواند مانورهای پیچیده را انجام دهد، یک هواپیمای بدون سرنشین در انجام چنین مانورهایی بسیار کارآمد است. همکاری با شرکت ریزپردازنده Intel موجب شد تا تیم تحقیقاتی دانشگاه زوریخ بتوانند یک هلیکوپتر کوادروتور یا کوادکوپتر بسازند به طوریکه بتواند حین پرواز، مانورهای آکروباتیک انجام دهد. در حالیکه یک پهپاد معمولی چنین قابلیتی ندارد. می توان از چابکی و سرعت بالای آن به طور کامل استفاده کرد تا با همان مقدار شارژ باتری بتواند مسافت طولانی تری را طی کند.
آموزش هواپیمای بدون سرنشین با شبیه سازی
در هسته این الگوریتم، یک شبکه عصبی مصنوعی قرار دارد که ورودی ها را از دوربین و سنسورها دریافت می کند و آنها را با هم ترکیب می کند و این داده ها را مستقیماً به دستورات کنترل ترجمه می کند. شبکه عصبی از طریق مانورهای آکروباتیک شبیه سازی شده آموزش می بیند. این مساًله مزایای بسیاری دارد: از جمله اینکه مانورها می توانند به سادگی از طریق مسیرهای مرجع شبیه سازی شوند و نیازی به نمایش های گران خلبان انسانی ندارد. دیگر اینکه می توان هواپیمای بدون سرنشین را برای تعداد متنوعی مانور آموزش داد بدون آنکه در معرض خطر فیزیکی قرار بگیرد.
تنها چند ساعت آموزش شبیه سازی بدون نیاز به تنظیم دقیق با استفاده از داده های واقعی کافی است تا کوادکوپتر آماده استفاده شود. این الگوریتم از شبیه سازها به صورت انتزاعی ورودی سنسور را دریافت می کند و آن را به دنیای واقعی منتقل می کند. Scaramuzza می گوید: “الگوریتم ما می آموزد که چگونه مانورهای آکروباتیک را انجام دهد بطوریکه حتی برای بهترین خلبانان انسان نیز چالش برانگیز است.”