מארקות לרובוטי מחסן, תכנות בטיחותי הוא חיוני – MIT עשויה להציע פתרון

הצורך לנהל ציים גדולים של כלי רכב אוטונומיים ורחפנים ממשיך לגדול. לצורך זה, המערכות שקיימות היום דורשות הרבה מאמץ וכוח חישוב. בנוסף, מערכות תכנות הבטיחות האלה לא יכולות להסתגל בזמן אמת.

עקב כך, כאשר השימוש המסחרי בציים של רחפנים הופך לנפוץ, הוא חשוב ליצור פרוטוקולים של תכנות בטיחותי שיזרימו את התהליכים ויספקו הבטחות. במזל, צוות של חוקרים חדשניים מ-MIT עשוי להציע פתרון. הנה מה שאתה צריך לדעת.

תצוגות רחפנים

מהאולימפיאדה להשקות מוצרים חדשים, תצוגות רחפנים הפכו לנפוצות יותר מתמיד. אירועים אלה יכולים להשתמש במאות רחפנים שעובדים באופן משותף כדי ליצור תמונות, אנימציות ועוד. תצוגות האור הגדולות האלה נראות מרשימות. עוד יותר מרשים מאשר הפעולות האלה הוא כל העבודה שהולכת ליצור את התצוגות האלה.

שיטות תכנות בטיחותי נוכחיות

הדרך הנוכחית שבה מהנדסים שולטים בלהקות גדולות של רחפנים או מערכות רובוטיות אוטונומיות מרובות היא באמצעות שימוש במערכות מרובות סוכנים (MAS). פרוטוקולים אלה משלבים מסלולים, עם נקודות ציון ואילוצי זמן. ביחד, גורמים אלה מאפשרים לכל רחפן לדעת היכן הוא נמצא לאורך מסלול הטיסה המתוכנן מראש.

הגישה הזו עובדת כאשר התנאים טובים, והרחפנים נמצאים במקום שהם צריכים להיות בזמן. היות שיש חסרונות משמעותיים שיכולים להתרחש כאשר ההתקנים יוצאים מהקורס, המהנדסים משתמשים בטכניקה הנקראת תכנון מסלול זוגי.

חסרונות של תכנות בטיחותי

אלגוריתם זה מאפשר לכל רחפן לדעת היכן הוא אמור להיות ביחס לרחפנים אחרים אם הכל הולך כשורה. היות שכל רחפן בהפעלת MAS הוא טס בעיוורון אחרי השקה, הוא יניח שהמסלול המתוכנן מראש עדיין תקף, אפילו אם גורמים חיצוניים הופכים את התוכנית המקורית ללא נכונה. מצב זה יכול להוביל לפעולות מוזרות, כגון רחפנים שנוחתים באופן בלתי צפוי, נופלים מהשמיים אל עבר הצופים, טסים לשום מקום או הופכים ללא מגיבים.

תאונות רחפנים אחרונות

עליית התצוגות הרחפנים והרובוטים האוטונומיים הובילה למצבים מסוכנים. רחפנים מהווים איום רב, אפילו כאשר הם לא חמושים. ההתקנים האלה יכולים לאבד את החיבור וליפול מהשמיים מגובה מאות רגל, ולגרום נזק להתקן ולהולכי רגל. בנוסף, התנגשויות עם כלי טיס אחרים יכולות להוביל לאבדות קטלניות ומוות. שני דוגמאות אחרונות מדגימות את הדאגות האלה:

פלורידה

תושבי אורלנדו שנאספו מחוץ לצפות בתצוגת הרחפנים ב-21 בדצמבר 2024, לא היו מודעים שהאירוע יהפוך למסוכן. במהלך האירוע, שכלל מאות רחפנים, שגיאת חיבור גרמה למספר רחפנים ליפול אל הקרקע ולפגוע בצופים.

בעצב, אחד הרחפנים פגע בילד בן 7, וגרם לו לפציעות קשות שדרשו ניתוח חירום. כאשר נשאלו על התאונה, החברה שמאחורי האירוע, Sky Elements Drone, הביעה חרטה והתחייבה לחקור את הסיבה כדי למנוע תאונות עתידיות.

ניו יורק

תאונה אחרת שקרתה בשנה האחרונה כללה רחפנים בסטטן איילנד, ניו יורק. בתאונה זו, מפעיל רחפן טס למרחק 2.5 מייל. היות שהוא לא היה בשדה ראייה ברור, הוא לא הבחין במסוק UH-60 Black Hawk והתנגש בו.

במזל, המסוק הצליח לחזור לבסיס. היות שבבדיקה מעמיקה יותר, הצוות גילה שהם היו מאוד ממזל, שכן חלקים מהרחפן נמצאו בציר המדחף הראשי. לאחר חקירה ארוכה, הלשכה הלאומית לבטיחות בתעבורה הוציאה דו”ח תאונה שחשף את אשמתו של מפעיל הרחפן.

מחקר בתכנות בטיחותי למערכות מרובות סוכנים

בהכרה בצורך במערכת בטיחות יותר גמישה ורגישה כאשר מתמודדים עם ציים של יחידות אוטונומיות, מהנדסים מ-MIT הציגו שיטת אימון חדשה במאמר אחרון שפורסם ב IEEE Transactions on Robotics¹. מחקרם מפרט שיטת אימון חדשה שמשפרת את ההגנות הבטיחותיות ומקטינה את העומס העבודה הקשור לתכנות הפרוטוקולים האלה.

פונקציית מחסום בקרה גרפית GCBF+

פרוטוקול GCBF+ בנוי על פרוטוקולים קודמים של פונקציית מחסום ומוסיף מערכות פרופריטריות כדי לזרום את הבטיחות ברחבי ציים ענקיים של כלי רכב. ברמה מרשימה, GCBF+ מאפשר לרחפנים לנווט בסביבות מורכבות בדומה לבני אדם.

רדיוס חישה

המערכת מתחילה ביצירת רדיוס חישה קטן יותר שמתמקד בעיקר בסיכונים של התנגשות ולא בכל התוכנית. הדבר מקטין את צורכי הניהול של הרחפן ומאפשר לו לעקוב באופן פעיל אחר מכשולים באזור.

מודעות מצבית

GCBF+ המעודכן מאפשר לרחפנים לדעת בדיוק היכן הם נמצאים בזמן אמת ואת מיקומם ביחס לרחפנים אחרים בסביבה. עקיבה אחרי כל הרחפנים בזמן אמת מאפשרת לסוכנים מרובים, מתואמים, שיתופיים ומתוכנתים לעבוד ביחד כדי לבצע משימות.

רשתות עצביות גרפיות (GNNs)

הצוות יצר מודל מחשב ייחודי שניצל רשתות עצביות גרפיות מתקדמות, שאיפשרו להם לנצל יתרונות משמעותיים כגון יכולת לפרמטר GCBF ולהפיץ מדיניות בקרה. במיוחד, המערכת מדמה סוכנים ובקרים.

Source – MIT

המהנדסים משתמשים במפרטים המדויקים של רחפנים בעולם האמיתי. הם כללו את יכולותיהם המכניות, המגבלות, הביצועים, חיי הסוללה וגורמים חשובים אחרים. הסימולציה אז לקחה מידע זה והשתמשה בו כדי ליצור מבחנים בקנה מידה גדול שמהנדסים פיקחו עליהם.

במיוחד, ההחלטה להשתמש ברשת עצבית גרפית (GNN) מוצדקת, שכן היא מאפשרת עקיבה אחרי הטופולוגיה הגרפית המשתנה של זרימת מידע מבוססת מרחק. קלט זה שימש אז, בשילוב עם נתונים אחרים, כדי לתכנת את מערכת הבינה המלאכותית לאיזון ביצועים ובטיחות.

הוסף יותר סוכנים ומשימות

המהנדסים התחילו להגדיל את הסימולציה כדי לכלול יותר יחידות ומשימות מורכבות יותר. הם הבחינו כי מערכות הבטיחות בזמן אמת הסתגלו אוטומטית אחרי שהועתקו והודבקו לרחפנים חדשים. כל אינטראקציה צוינה כאשר יותר רחפנים נוספו לסימולציה.

עקיבה אחרי התנגשות על גבי אלפי סימולציות

ככל שמספרם וצפיפותם של סוכנים ומכשולים גדלו, המערכת סופקה כדי לראות שאין התנגשויות כפרס. GNN התחיל באופן אוטונומי להסתגל את הקלט של הבקר כדי לוודא שהפרות בטיחות מופחתות.

המהנדסים שם לב כיצד GNN איפשר לרחפנים להסתגל את מסלוליהם בזמן אמת כדי להימנע מהתנגשויות עם רובוטים אחרים. מבחן זה עזר לוודא שהבקר שלהם היה רגיש, כלומר שהוא תמיד יצר מחדש מסלול טיסה עבור הרחפנים על בסיס תנאים סביבתיים בזמן אמת.

מהנדסי MIT גם מציגים גבולות בטיחות כחלק מהגישה הזו. אלו הם אזורים שבהם התקנים באופן מהותי מערבים הפרות בטיחות. על ידי הוראה להתקנים להימנע מאזורים אלה, הצוות הפחית באופן משמעותי הרבה מההתנגשויות והשגיאות המצויות במערכות הנוכחיות.

שיטת אימון למערכות מרובות סוכנים

ברמה מרשימה, הבקר הועתק והודבק ליחידות אחרות פעם אחת שהסימולציה פתרה את החששות הבטיחותיות. מאחר שהפרוטוקול יכול לטפל בטופולוגיות גרפיות שרירותיות, הוא קל יותר לקנה מידה אנכי. בנוסף, הוא יכול להתחשב במספר משתנה של משתתפים, מה שאומר שתכנות יכולה להיעשות על מספר קטן של רחפנים ואז להישתתף עם הלהקה.

מבחן תכנות בטיחותי למערכות מרובות סוכנים

המהנדסים יצאו לבדוק את הפריים-וורק המבוזר שלהם לבקרה בטיחותית רב-סוכנית בסביבות גדולות עם מכשולים באמצעות שימוש ברחפנים Crazyflies. רחפנים אלו, שהם רחפני קוואדרופטר בגודל יד, שודרגו באמצעות GNN.

בסך הכל, 8 רחפני Crazyflies שימשו בשלב הבדיקה. הסוכנים השתמשו ב-8 רחפנים אמיתיים כדי לעקוב ולפקח. אז, הנתונים שותפו בסימולציה עם 1000 רחפנים. אותה שיטת הגדלה שומשה גם עבור מכשולים. הצוות התחיל עם 8 מכשולים בבדיקה אמיתית. הסימולציה הגדילה את הכמות ל-128 מכשולים ניידים ולא ניידים לבדיקות הסופיות.

מבחן תכנות בטיחותי למערכות מרובות סוכנים – מטרות שונות

הרחפנים קיבלו מטרות שונות כדי לראות כיצד הם יתמודדו בסביבות צפופות. אחת המשימות הייתה לחלוף במקומותיהם במהלך הטיסה. משימה זו עשויה להיראות פשוטה, אבל כאשר מדובר ב-1000 רחפנים, סיכון ההתנגשות גבוה.

נחיתה

המטרה הבאה הייתה לרחפנים לנחות על קופסאות ניידות. הקופסאות הניידות היו רובוטים הנקראים Turtlebots. ה-Turtlebots הותקנו לנוע במהירויות שונות. הרחפנים היו צריכים לנווט סביבם ולנחות בבטיחות על ה-Turtlebot כדי להשלים את משימתם.

תוצאות מבחן תכנות בטיחותי למערכות מרובות סוכנים

תוצאות המחקר בתכנות בטיחותי הן מרשימות. למשל, ההתקנים עלו על קודמיהם בסביבות 2D ו-3D. השימוש של המערכת בתצפיות LiDAR-מבוססות ענן נקודות כדי לטפל במכשולים היה תוספת גדולה. הוא איפשר לרחפנים לעשות הסתגלות בזמן אמת ולהישאר באזורי הבטיחות המיועדים.

ה-Crazyflies טסו, ביצעו את משימותיהם באוויר ונחתו בהצלחה ללא התנגשות. המהנדסים הסיקו כי מערכתם יכולה לספק הפחתה של 40% בהתנגשויות. היא גם שיפרה את ביצועי הרחפנים, מה שאיפשר להם לבצע משימות שכללו מאות רחפנים ללא תאונות.

יתרונות מחקר בתכנות בטיחותי למערכות מרובות סוכנים

יש מספר יתרונות שמחקר זה מביא לשוק. למשל, הוא מאפשר למהנדסים לא