Crean algoritmo que evita que los drones colisionen en el aire

Investigadores crean un sistema de planificación de trayectorias que permite a los drones que trabajan juntos en el mismo espacio aéreo elegir siempre un camino seguro hacia adelante.

Cuando varios drones trabajan juntos en el mismo espacio aéreo, tal vez rociando pesticidas sobre un campo de maíz, existe el riesgo de que choquen entre sí.

Para ayudar a evitar estos costosos choques, investigadores del MIT presentaron un sistema llamado MADER en 2020.

Este planificador de trayectorias multiagente permite que un grupo de drones formule trayectorias óptimas y sin colisiones.

Cada agente transmite su trayectoria para que los demás drones sepan adónde planea ir.

Luego, los agentes consideran las trayectorias de los demás cuando optimizan las suyas para asegurarse de que no colisionen.

Pero cuando el equipo probó el sistema en drones reales, descubrió que si un dron no tiene información actualizada sobre las trayectorias de sus socios, podría seleccionar sin darse cuenta una ruta que provoque una colisión.

Los investigadores renovaron su sistema y ahora están implementando Robust MADER, un planificador de trayectorias de múltiples agentes que genera trayectorias sin colisiones incluso cuando las comunicaciones entre los agentes se retrasan.

“MADER funcionó muy bien en simulaciones, pero no había sido probado en hardware. Entonces, construimos un montón de drones y comenzamos a volarlos.

Los drones necesitan hablar entre sí para compartir trayectorias, pero una vez que comienzas a volar, te das cuenta bastante rápido de que siempre hay retrasos en la comunicación que provocan algunas fallas”, dice Kota Kondo, un estudiante graduado de aeronáutica y astronáutica.

El algoritmo incorpora un paso de verificación de demora durante el cual un dron espera una cantidad específica de tiempo antes de comprometerse con una nueva trayectoria optimizada.

Si recibe información de trayectoria adicional de otros drones durante el período de demora, podría abandonar su nueva trayectoria y comenzar el proceso de optimización nuevamente.

Cuando Kondo y sus colaboradores probaron Robust MADER, tanto en simulaciones como en experimentos de vuelo con drones reales, logró una tasa de éxito del 100 % en la generación de trayectorias sin colisiones.

Si bien el tiempo de viaje de los drones fue un poco más lento de lo que sería con otros enfoques, ninguna otra línea de base podría garantizar la seguridad.

“Si quieres volar más seguro, tienes que tener cuidado, por lo que es razonable que si no quieres chocar con un obstáculo, te llevará más tiempo llegar a tu destino.

Si chocas con algo, no importa qué tan rápido vayas, realmente no importa porque no llegarás a tu destino”, dice Kondo.

MADER es un planificador de trayectorias asíncrono, descentralizado y multiagente.

Esto significa que cada dron formula su propia trayectoria y que, si bien todos los agentes deben estar de acuerdo en cada nueva trayectoria, no es necesario que estén de acuerdo al mismo tiempo.

Esto hace que MADER sea más escalable que otros enfoques, ya que sería muy difícil que miles de drones coincidieran en una trayectoria simultáneamente. Debido a su naturaleza descentralizada, el sistema también funcionaría mejor en entornos del mundo real donde los drones pueden volar lejos de una computadora central.

Con MADER, cada dron optimiza una nueva trayectoria mediante un algoritmo que incorpora las trayectorias que ha recibido de otros agentes. Al optimizar y transmitir continuamente sus nuevas trayectorias, los drones evitan colisiones.

Pero quizás un agente compartió su nueva trayectoria hace varios segundos, pero otro agente no la recibió de inmediato porque la comunicación se retrasó.

En entornos del mundo real, las señales a menudo se retrasan debido a la interferencia de otros dispositivos o factores ambientales como el clima tormentoso.

Debido a este retraso inevitable, un dron podría comprometerse inadvertidamente con una nueva trayectoria que lo ponga en curso de colisión.

El robusto MADER evita este tipo de colisiones porque cada agente tiene dos trayectorias disponibles.

Mantiene una trayectoria que sabe que es segura, que ya ha verificado en busca de posibles colisiones.

Mientras sigue esa trayectoria original, el dron optimiza una nueva trayectoria pero no se compromete con la nueva trayectoria hasta que completa un paso de verificación de demora.

Durante el período de verificación de demora, el dron pasa una cantidad fija de tiempo verificando repetidamente las comunicaciones de otros agentes para ver si su nueva trayectoria es segura.

Si detecta una posible colisión, abandona la nueva trayectoria y vuelve a iniciar el proceso de optimización.

La duración del período de verificación de demora depende de la distancia entre los agentes y los factores ambientales que podrían dificultar las comunicaciones, dice Kondo.

Si los agentes están a muchas millas de distancia, por ejemplo, entonces el período de verificación de demora debería ser más largo.

Los investigadores probaron su nuevo enfoque ejecutando cientos de simulaciones en las que introdujeron retrasos en la comunicación de forma artificial.

En cada simulación, Robust MADER tuvo un 100 % de éxito en la generación de trayectorias sin colisiones, mientras que todas las líneas de base provocaron colisiones.

Los investigadores también construyeron seis drones y dos obstáculos aéreos y probaron Robust MADER en un entorno de vuelo multiagente.

Descubrieron que, si bien el uso de la versión original de MADER en este entorno habría resultado en siete colisiones, Robust MADER no provocó ni un solo bloqueo en ninguno de los experimentos de hardware.

“Hasta que realmente vueles el hardware, no sabes qué podría causar un problema. Debido a que sabemos que existe una diferencia entre las simulaciones y el hardware, hicimos que el algoritmo fuera robusto, de modo que funcionara en los drones reales, y ver eso en la práctica fue muy gratificante”, dice Kondo.

Los drones pudieron volar a 3,4 metros por segundo con Robust MADER, aunque tuvieron un tiempo de viaje promedio ligeramente más largo que algunas líneas de base. Pero ningún otro método estuvo perfectamente libre de colisiones en todos los experimentos.

En el futuro, Kondo y sus colaboradores quieren poner a prueba Robust MADER al aire libre, donde muchos obstáculos y tipos de ruido pueden afectar las comunicaciones.

También quieren equipar a los drones con sensores visuales para que puedan detectar otros agentes u obstáculos, predecir sus movimientos e incluir esa información en las optimizaciones de trayectoria.

Fuente: MIT News