Inovações autônomas em um mundo incerto

Jan 21, 2024

Imagem anterior Próxima imagem

Os interesses de pesquisa do professor do MIT, Jonathan How, abrangem uma gama de veículos autônomos – desde aviões e espaçonaves até veículos aéreos não pilotados (UAVs ou drones) e carros. Ele está particularmente focado no projeto e implementação de algoritmos de planejamento robustos e distribuídos para coordenar múltiplos veículos autônomos capazes de navegar em ambientes dinâmicos.

Há cerca de um ano, o professor de Aeronáutica e Astronáutica Richard Cockburn Maclaurin e uma equipe de pesquisadores do Laboratório de Controles Aeroespaciais do MIT vêm desenvolvendo um sistema de planejamento de trajetória que permite que uma frota de drones opere no mesmo espaço aéreo sem colidir com uns aos outros. Dito de outra forma, é um projecto para evitar colisões entre vários veículos e tem implicações no mundo real em termos de poupança de custos e eficiência para uma variedade de indústrias, incluindo a agricultura e a defesa.

A instalação de teste do projeto é o Centro Kresa para Sistemas Autônomos, um espaço de 80 por 40 pés com tetos de 25 pés, projetado especificamente para o trabalho do MIT com veículos autônomos - incluindo o enxame de UAVs de How que circula regularmente pela baía alta do centro. . Para evitar a colisão, cada UAV deve calcular a sua trajetória de planeamento a bordo e partilhá-la com o resto das máquinas através de uma rede de comunicação sem fios.

Mas, de acordo com How, um dos principais desafios no trabalho multi-veículo envolve atrasos na comunicação associados à troca de informações. Neste caso, para resolver o problema, How e os seus investigadores incorporaram uma função de “percepção consciente” no seu sistema que permite a um veículo utilizar os sensores a bordo para recolher novas informações sobre os outros veículos e depois alterar a sua própria trajetória planeada. Nos testes, a correção algorítmica resultou em uma taxa de sucesso de 100%, garantindo voos livres de colisões entre seu grupo de drones. O próximo passo, diz How, é ampliar os algoritmos, testar em espaços maiores e, eventualmente, voar para fora.

Nascido na Inglaterra, o fascínio de Jonathan How pelos aviões começou ainda jovem, graças ao amplo tempo passado em bases aéreas com o pai, que, durante muitos anos, serviu na Royal Air Force. Porém, como lembra How, embora outras crianças quisessem ser astronautas, sua curiosidade tinha mais a ver com a engenharia e a mecânica do voo. Anos mais tarde, como estudante de graduação na Universidade de Toronto, ele desenvolveu um interesse em matemática aplicada e pesquisa multi-veículo aplicada à engenharia aeronáutica e astronáutica. Ele fez seu trabalho de graduação e pós-doutorado no MIT, onde contribuiu para um experimento financiado pela NASA sobre técnicas avançadas de controle para apontamento de alta precisão e controle de vibração em espaçonaves. E, depois de trabalhar em telescópios espaciais distribuídos como membro júnior do corpo docente da Universidade de Stanford, regressou a Cambridge, Massachusetts, para se juntar ao corpo docente do MIT em 2000.

“Um dos principais desafios para qualquer veículo autônomo é como lidar com o que mais existe no ambiente ao seu redor”, diz ele. Para carros autônomos isso significa, entre outras coisas, identificar e rastrear pedestres. É por isso que How e sua equipe coletam dados em tempo real de carros autônomos equipados com sensores projetados para rastrear pedestres, e então usam essas informações para gerar modelos para entender seu comportamento – em um cruzamento, por exemplo – o que permite que os pedestres autônomos veículo para fazer previsões de curto prazo e melhores decisões sobre como proceder. “É um processo de previsão muito barulhento, dada a incerteza do mundo”, admite How. “O verdadeiro objetivo é melhorar o conhecimento. Você nunca obterá previsões perfeitas. Você está apenas tentando entender a incerteza e reduzi-la o máximo que puder.”

Em outro projeto, How está ampliando os limites da tomada de decisões em tempo real para aeronaves. Nestes cenários, os veículos têm de determinar onde estão localizados no ambiente, o que mais está à sua volta e, em seguida, planear um caminho ideal a seguir. Além disso, para garantir agilidade suficiente, normalmente é necessário ser capaz de regenerar essas soluções cerca de 10 a 50 vezes por segundo, e assim que novas informações dos sensores da aeronave estiverem disponíveis. Existem computadores poderosos, mas seu custo, tamanho, peso e requisitos de energia tornam impraticável sua implantação em aeronaves pequenas e ágeis. Então, como você executa rapidamente todos os cálculos necessários — sem sacrificar o desempenho — em computadores que cabem facilmente em um veículo voador ágil?