Умный гору обойдет.
Исследователи из Физтеха и Института искусственного интеллекта AIRI разработали алгоритм POLAMP, который подбирает оптимальный маршрут движения для дронов в трехмерном пространстве с большим количеством различных препятствий.
В среде с 50 препятствиями он способен выбирать оптимальную траекторию движения с вероятностью 92%, большинство его конкурентов сделать это могут в единичных случаях.
В своей работе алгоритм объединяет глобальное и локальное планирование, суммируя плюсы обоих подходов, и опирается на технологию обучения с подкреплением. Обучение искусственного интеллекта при этом проходит в три этапа. Сначала он учится передвигаться в пустом пространстве, затем – в средах с неподвижными препятствиями, а уже после этого пытается обходить препятствия движущиеся.
Таким образом качество работы алгоритма повышается, а время на его тренировки уменьшается. И все это делает алгоритм особенно привлекательным для разработчиков БПЛА.
Исследователи из Физтеха и Института искусственного интеллекта AIRI разработали алгоритм POLAMP, который подбирает оптимальный маршрут движения для дронов в трехмерном пространстве с большим количеством различных препятствий.
В среде с 50 препятствиями он способен выбирать оптимальную траекторию движения с вероятностью 92%, большинство его конкурентов сделать это могут в единичных случаях.
Проведенные эксперименты показали, что разработанный российскими учеными подход POLAMP превосходит современные базовые алгоритмы, как обучаемые, так и необучаемые аналоги. При этом он требовал гораздо меньше примеров для генерации плана движения
В своей работе алгоритм объединяет глобальное и локальное планирование, суммируя плюсы обоих подходов, и опирается на технологию обучения с подкреплением. Обучение искусственного интеллекта при этом проходит в три этапа. Сначала он учится передвигаться в пустом пространстве, затем – в средах с неподвижными препятствиями, а уже после этого пытается обходить препятствия движущиеся.
Таким образом качество работы алгоритма повышается, а время на его тренировки уменьшается. И все это делает алгоритм особенно привлекательным для разработчиков БПЛА.