Turbulencija – taip vadiname oro slėgio pokyčius, dėl kurių dreba orlaiviai. Kitaip nei skraidantys gyvūnai, kurie išsiugdė natūralų gebėjimą pajusti turbulenciją sukeliančius aplinkos pokyčius ir greitai prisitaikyti, kad skrydis būtų sklandus, lėktuvų pilotai ar ir automatinės sistemos kol kas turi ribotas galimybes padaryti tą patį.
Rugsėjo 24 d. žurnale „NPJ Robotics“ paskelbtame tyrime aprašyta, kaip mokslininkai galėtų sukurti orlaivių valdymo būdą. Šiam metodui buvo pasitelkta dirbtinio intelekto (DI) sistema, pavadinta „FALCON“, kuri automatiškai koreguoja skrydį, kad kompensuotų turbulenciją.
Anksčiau dirbtinio intelekto mokymo metodas – pastiprintas mokymasis (angl. reinforced learning) – buvo naudojamas dirbtinio intelekto pažangiosioms valdymo sistemoms kurti – tačiau tik konkrečiose aplinkose arba transporto priemonėse. „FALCON“, priešingai, buvo išmokytas suprasti pagrindinius turbulenciją sukeliančius principus, kad galėtų prisitaikyti prie bet kokių sąlygų.
„FALCON“ remiasi Fourier metodais, kuriuose duomenims atvaizduoti naudojamos kompleksinės sinusoidės. Tyrėjai nustatė, kad skaitmeninis vėjo sąlygų vaizdavimas periodinėmis bangomis yra veiksminga priemonė turbulencijai modeliuoti, nes vėjo atoslūgis ir srautas bei jo poveikis natūraliai atitinka bangų modelį.
„Įsidėmėtinas pastiprinto mokymosi panaudojimas prisitaikymui realiuoju laiku, nes jis išmoksta pagrindinį turbulencijos modelį, – teigia Embry-Riddle Aeronautikos universiteto (JAV) aerokosminės inžinerijos profesorius Heveras Moncayo. – Manau, kad ši technologija yra labai įmanoma, ypač turint dabartines skaičiavimo galimybes, tokias kaip „Jetson“, kurios palaiko prisitaikančiojo mokymosi, Fourier analizės ir skaičiavimo integravimą realiuoju laiku.“
Mokslininkai išbandė dirbtinį intelektą Kalifornijos technologijų universiteto („Caltech“) aerodinaminiame tunelyje, naudodami aerodinaminį sparną, vaizduojantį bepilotį orlaivį, ir įrengdami jame slėgio jutiklius bei valdymo paviršius. Jais naudodamasis orlaivis fiksavo slėgio pokyčius ir jei reikėjo, reguliavo posvyrį ir nuokrypį, kad išlaikytų stabilumą. Be to, vėjo tunelyje prieš sparną buvo įtaisytas judantis cilindras – kad būtų galima sukurti atsitiktinius turbulencijos svyravimus.
Nustatyta, kad po devynių minučių mokymosi, kai „FALCON“ nuolat bandė prisitaikyti prie besikeičiančios turbulencijos ir koregavo rezultatus, dirbtinis intelektas sugebėjo išlaikyti aerodinaminio sparno stabilumą vėjo tunelyje.
„Caltech“ vėjo tunelio bandymai rodo, kad „FALCON“ gali apsimokyti per kelias minutes – o tai rodo, kad jį galima pritaikyti ir didesniems orlaiviams, – sakė H. Moncayo. – Vis dėlto išlieka realių iššūkių, ypač susijusių su greitu prisitaikymu prie įvairių ir nenuspėjamų sąlygų ir veikimo patvirtinimu įvairiose bepiločių orlaivių konfigūracijose ir vėjo aplinkoje.“
Šie tyrimai, leidžiantys automatiškai prisitaikyti prie turbulencijos, gali padėti užtikrinti sklandesnį bepiločių ir komercinių orlaivių skraidymą. Tyrėjai taip pat pasiūlė galimybę orlaiviams dalytis aplinkos duomenimis – kad būtų galima įspėti apie trikdžius. Tačiau atsižvelgiant į orlaivių valdymo sistemų kibernetinio saugumo problemas, tam reikėtų patikimo saugumo protokolo, kuris turėtų būti iš anksto kruopščiai peržiūrėtas ir išbandytas.
„Tolesnis vystymas greičiausiai bus sutelktas į prognozavimo tikslumo tobulinimą ir apsimokymo laiko mažinimą, o tai yra įmanoma, tačiau sudėtinga, – sako H. Moncayo. – Be to, dalijimasis informacija tarp orlaivių padidins sistemos prognozavimo galią, tačiau, norint ją pritaikyti plačiau, greičiausiai reikės patikimų ryšių standartų ir duomenų tvarkymo protokolų.“
Kitame tyrimo etape siekiama sutrumpinti dirbtinio intelekto mokymosi laiką. Tikėtina, kad tai taps pagrindiniu tyrėjų uždaviniu, nes gebėjimas greitai prisitaikyti prie aplinkos sąlygų yra labai svarbus praktiniam sprendimui turbulencijos atveju, rašo „Live Science“.
