Aider les essaims de drones à éviter les obstacles sans se heurter

Aider les essaims de drones à éviter les obstacles sans se heurter

Il y a de la force dans le nombre. C’est vrai non seulement pour les humains, mais aussi pour les drones. En volant en essaim, ils peuvent couvrir de plus grandes zones et collecter un plus large éventail de données, puisque chaque drone peut être équipé de capteurs différents.

Empêcher les drones de se heurter

L’une des raisons pour lesquelles les essaims de drones n’ont pas été plus largement utilisés est le risque de blocage au sein de l’essaim. Les études sur le mouvement collectif des animaux montrent que chaque agent a tendance à coordonner ses mouvements avec les autres, en ajustant sa trajectoire de manière à garder une distance inter-agent sûre ou à se déplacer en alignement, par exemple.

«Dans un essaim de drones, lorsqu’un drone change de trajectoire pour éviter un obstacle, ses voisins synchronisent automatiquement leurs mouvements en conséquence», explique Dario Floreano, professeur à l’École d’ingénierie de l’EPFL et responsable du Laboratoire des systèmes intelligents (LIS). « Mais cela provoque souvent un ralentissement de l’essaim, un blocage au sein de l’essaim ou même des collisions. »






Credit: Ecole Polytechnique Federale de Lausanne

Pas seulement réagir, mais aussi prédire

Enrica Soria, titulaire d’un doctorat. étudiant à LIS, a mis au point une nouvelle méthode pour contourner ce problème. Elle a développé un modèle de contrôle prédictif qui permet aux drones non seulement de réagir aux autres dans un essaim, mais aussi d’anticiper leurs propres mouvements et de prédire ceux de leurs voisins. «Notre modèle donne aux drones la capacité de déterminer quand un voisin est sur le point de ralentir, ce qui signifie que le ralentissement a moins d’effet sur leur propre vol», explique Soria. Le modèle fonctionne en programmant dans des règles simples contrôlées localement, telles qu’une distance inter-agent minimale à maintenir, une vitesse définie à conserver ou une direction spécifique à suivre. Le travail de Soria vient d’être publié dans Intelligence artificielle de la nature.

Avec le modèle de Soria, les drones sont beaucoup moins dépendants des commandes émises par un ordinateur central. Les drones dans les spectacles aériens de lumière, par exemple, obtiennent leurs instructions d’un ordinateur qui calcule la trajectoire de chacun pour éviter une collision. «Mais avec notre modèle, les drones sont commandés en utilisant des informations locales et peuvent modifier leurs trajectoires de manière autonome», explique Soria.

Un modèle inspiré de la nature

Les tests menés au LIS montrent que le système de Soria améliore la vitesse, l’ordre et la sécurité des essaims de drones dans les zones avec beaucoup d’obstacles. «Nous ne savons pas encore si, ou dans quelle mesure, les animaux sont capables de prédire les mouvements de ceux qui les entourent», explique Floreano. « Mais les biologistes ont récemment suggéré que les changements de direction synchronisés observés dans certains grands groupes exigeraient une capacité cognitive plus sophistiquée que ce que l’on croyait jusqu’à présent. »


Une meilleure façon de contrôler un essaim de drones


Plus d’information:
Enrica Soria et coll. Contrôle prédictif des essaims aériens dans des environnements encombrés, Intelligence artificielle de la nature (2021). DOI: 10.1038 / s42256-021-00341-y

Provided by
Ecole Polytechnique Federale de Lausanne

Citation: Aider les essaims de drones à éviter les obstacles sans se heurter (2021, 18 mai) récupéré le 18 mai 2021 sur https://techxplore.com/news/2021-05-drone-swarms-obstacles.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.