Från drönare till lagerrobotar, säkerhetsprogrammering är avgörande – MIT kan ha en lösning

Behovet av att hantera stora flottor av autonoma fordon och drönare fortsätter att öka. Tyvärr kräver de system som finns idag mycket ansträngning och beräkningskraft. Dessutom kan dessa säkerhetsprogrammeringssystem inte justeras i farten.

Drönarshower

Från OS till nya produktlanseringar har drönarshower blivit vanligare än någonsin. Dessa evenemang kan använda hundratals drönare som arbetar i samklang för att skapa bilder, animationer och mycket mer. Dessa storskaliga ljusdisplayer är hänförande. Ännu mer imponerande än själva handlingarna är allt arbete som krävs för att göra dessa shower möjliga.

Nuvarande metoder för säkerhetsprogrammering

Det nuvarande sättet som ingenjörer styr stora drönarsvärmar eller andra multi‑autonoma robotsystem är genom användning av multi‑agent‑system (MAS). Dessa protokoll kombinerar banor med waypoints och tidsbegränsningar. Tillsammans gör dessa faktorer att varje drönare vet var den befinner sig längs sin förplanerade flygväg.

Denna metod fungerar när förhållandena är goda och drönarna är där de ska vara i tid. Men allvarliga nackdelar kan uppstå när enheter avviker från kursen. För att förhindra kollisioner använder ingenjörer en teknik som kallas parvis banplanering.

Nackdelar med säkerhetsprogrammering

Denna algoritm låter varje drönare veta var den ska vara i förhållande till andra drönare om allt går perfekt. Men när det uppstår misskommunikation kan allvarliga problem uppstå. Eftersom varje drönare i MAS‑uppsättningen flyger blindt efter start kommer den att anta den förplanerade kursen även om yttre faktorer gör den ursprungliga planen felaktig. Detta kan leda till mycket märkliga handlingar, såsom att drönare landar oväntat, faller från himlen på åskådare, flyger iväg till ingenstans eller blir oresponsiva.

Senaste drönarshow-olyckorna

Den plötsliga ökningen av drönarshower och autonom robotik har lett till några farliga situationer. Drönare utgör många hot, även när de är obeväpnade. Dessa enheter kan förlora anslutningen och falla från himlen från hundratals fot, vilket skadar både enheten och fotgängare. Dessutom kan kollisioner med andra flygplan leda till katastrofala förluster och dödsfall. Två nyliga exempel belyser dessa bekymmer:

Florida

Orlando‑invånarna som samlades utomhus för att se drönarshowen den 21 december 2024 hade ingen aning om att evenemanget skulle bli farligt. Under evenemanget, som inkluderade hundratals drönare, ledde ett anslutningsfel till att flera drönare föll ner till marken och träffade åskådare.

Tyvärr föll en av drönarna på ett 7‑årigt barn, vilket orsakade allvarliga skador som krävde akut operation. När de frågades om händelsen uttryckte företaget bakom evenemanget, Sky Elements Drone, sorg och lovade att undersöka orsaken för att förhindra framtida incidenter.

New York

En annan incident som inträffade förra året involverade drönare i Staten Island, New York. I denna händelse hade en drönaroperatör flugit 2,5 mil bort. Eftersom han var utanför tydlig sikt kunde han inte upptäcka en UH‑60 Black Hawk‑helikopter och kolliderade med den.

Tack och lov kunde helikoptern slingra sig tillbaka till basen. Vid närmare inspektion insåg besättningen att de hade haft enorm tur eftersom delar från drönaren hittades i huvudrotorskaftet. Efter en långvarig utredning utfärdade National Transportation Safety Board en olycksrapport som avslöjade UAV‑operatörens fel.

Studie om multi‑agent‑säkerhetsprogrammering

Genom att erkänna behovet av ett mer smidigt och responsivt säkerhetssystem när man hanterar flottor av autonoma enheter, introducerade MIT‑ingenjörer en ny träningsmetod i en nyligen publicerad artikel i IEEE Transactions on Robotics. Deras forskning beskriver en ny träningsmetod som förbättrar säkerhetsskydden och minskar arbetsbördan kring implementeringen av dessa protokoll.

Grafkontrollbarriärfunktion GCBF+

Grafkontrollbarriärfunktion‑plus‑protokollet bygger på tidigare barriärfunktionsalgoritmer och lägger till proprietära system för att förenkla upprätthållandet av säkerhet över enorma flottor av fordon. Imponerande nog gör GCBF+ det möjligt för drönare att navigera i komplexa miljöer på samma sätt som människor.

Sensningsradie

Systemet börjar med att skapa en mindre sensningsradie som främst fokuserar på kollisionsrisker snarare än hela flygplanen. Detta minskar drönarens hanteringsbehov och gör det möjligt att aktivt spåra och undvika hinder i omgivningen.

Situationsmedvetenhet

Den uppdaterade GCBF+ gör att drönare exakt vet var de befinner sig i realtid och deras position i förhållande till andra UAV:er i närheten. Att spåra alla drönare i realtid möjliggör att flera koordinerade, samarbetande och datorprogrammerade agenter kan arbeta tillsammans för att utföra uppgifter.

Grafneuronätverk (GNNs)

Teamet skapade en anpassad datormodell som utnyttjade avancerade grafneuronätverk, vilket gjorde det möjligt att dra nytta av viktiga fördelar såsom möjligheten att parametriserar en GCBF och distribuera kontrollpolicyer. Specifikt simulerar systemet agenter och styrsystem.

Källa – MIT

Ingenjörerna använder de exakta specifikationerna för verkliga drönare. De inkluderade deras mekaniska kapacitet, begränsningar, prestanda, batteritid och andra avgörande faktorer. Simuleringen tog sedan denna information och använde den för att skapa storskaliga tester som ingenjörerna övervakade.

Det är anmärkningsvärt att beslutet att använda ett grafneuronätverk (GNN) är logiskt eftersom det möjliggör spårning av den föränderliga graftopologin för avståndsbaserad observationsinformationsflöde. Denna indata användes sedan i kombination med annan data för att programmera AI‑systemet att balansera prestanda och säkerhet.

Lägg till fler agenter och uppgifter

Ingenjörerna började sedan skala upp simuleringen för att inkludera fler enheter och mer komplexa uppgifter. De noterade att de realtidsbaserade säkerhetssystemen automatiskt justerades efter att de kopierats och klistrats in i nya drönare. Varje interaktion noterades när fler drönare lades till i simuleringen.

Spåra kollisioner över tusentals simuleringar

När antalet och tätheten av agenter och hinder ökade finjusterades systemet för att se inga kollisioner som en belöning. GNN började sedan autonomt justera styrningsindatan för att säkerställa att säkerhetsöverträdelser minskades.

Ingenjörerna noterade hur GNN gjorde det möjligt för drönarna att justera sina banor i realtid för att undvika kollisioner med andra robotar. Detta test hjälpte till att säkerställa att deras styrsystem var reaktivt, vilket betyder att det ständigt återskapade en flygväg för drönarna baserat på realtidsmiljöförhållanden.

MIT‑ingenjörerna inför också säkerhetsgränser som en del av detta tillvägagångssätt. Detta är områden där enheter sannolikt kan stöta på säkerhetsöverträdelser. Genom att instruera enheter att undvika dessa områden minskade teamet drastiskt många av de kollisioner och fel som plågar de nuvarande systemen.

Träningsmetod för multi‑agent‑system

Imponerande nog kopierades och klistrades styrsystemet till andra enheter när simuleringen löste eventuella säkerhetsproblem. Eftersom protokollet kan hantera godtyckliga graftopologier är det lättare att skala vertikalt. Dessutom kan det ta hänsyn till förändrade antal deltagare, vilket betyder att programmering kan göras på några drönare och sedan delas med svärmen.

MAS‑säkerhetsprogrammeringstest

Ingenjörerna satte igång för att testa deras distribuerade ramverk för säker multi‑agent‑kontroll i storskaliga miljöer med hinder genom att använda Crazyflie‑drönare. Dessa handstora quadrotor‑drönare uppgraderades med hjälp av GNN. Totalt användes 8 Crazyflies i testfasen.

Agenserna använde de 8 verkliga drönarna för att spåra och övervaka aktiviteter. Därefter delades datan i en simulering med 1000 drönare. Samma uppskalningsmetod tillämpades för hinder. Teamet började med 8 hinder i ett verkligt test. Simuleringen ökade antalet till 128 rörliga och stillastående hinder för de slutliga testerna.

MAS‑säkerhetsprogrammeringstest olika mål

Drönarna fick olika mål för att se hur de klarade sig i trånga miljöer. En uppgift var att byta positioner under flygning. Denna uppgift kan verka enkel men när man hanterar 1000 drönare är risken för kollision hög.

Landning

Nästa mål var att låta drönarna landa på rörliga lådor. De rörliga lådorna var robotar som heter Turtlebots. Turtlebots konfigurerades för att cirkulera i olika hastigheter. Drönarna behövde navigera runt varandra och säkert landa på turtleboten för att slutföra sin uppgift.

Resultat från MAS‑säkerhetsprogrammeringstestet

Resultaten från säkerhetsprogrammeringsstudien är ögonöppnande. För det första överträffade enheterna sina föregångare både i 2D‑ och 3D‑miljöer. Systemets användning av LiDAR‑baserade punktmolnsobservationer för att hantera hinder visade sig vara ett utmärkt tillägg. Det gjorde det möjligt för drönarna att göra justeringar i realtid och förbli i sina utsedda säkerhetszoner.

Crazyflies flög runt, slutförde sina uppgifter under flygning och landade framgångsrikt utan kollision. Ingenjörerna drog slutsatsen att deras system kunde ge en 40 % minskning av kollisioner. Det förbättrade också drönarprestanda, vilket gjorde det möjligt att slutföra uppgifter som involverade hundratals drönare utan incident.

Fördelar med MAS‑säkerhetsprogrammeringsstudien

Det finns flera fördelar som denna studie ger till marknaden. För det första gör den det möjligt för ingenjörer att automatiskt balansera säkerhetskrav och prestandakriterier. Systemets användning av kontrollbarriärfunktionsteori för säkerhetsgarantier minskar farorna för dem i närheten av dessa farkoster dramatiskt. Dessutom säkerställer användningen av LiDAR‑system realtidsfeedback och justeringar av flygvägen.

Endast destination

En av de största fördelarna med denna teknik är att ingenjörer inte planerade någon flygväg, till skillnad från traditionella metoder som kräver mycket tid och beräkningskraft för att skapa. Teamet gav bara drönaren instruktioner och en destination. Enheten beräknade inte en enda kollisionfri bana. Istället beräknade den tusentals banor baserat på sina sensordata i realtid, vilket säkerställer att alla förändringar spåras och justeringar görs.

Skalbar

Ingenjörerna gjorde en stor uppgradering av dagens system med deras senaste kopiera‑och‑klistra‑styrsystem. Detta protokoll använder en grafstruktur som är idealisk för skalbar och generaliserbar distribuerad kontroll av MAS.

Detta tillvägagångssätt innebär att framtida drönarpiloter bara behöver programmera ett litet antal enheter. Säkerhetsparametrarna kan sedan skalas upp till ett obegränsat antal drönare, vilket sparar pengar, tid och ansträngning utan att offra prestanda.

Tillämpningar av MAS‑säkerhetsprogrammering

Listan över tillämpningar för denna teknik fortsätter att växa. Förmågan att enkelt skapa, distribuera och skala styrprotokollet är en enorm förbättring av drönarens anti‑kollisionssystem. Det möjliggör att storskaliga tillämpningar snabbt kan konfigureras för nya miljöer. Denna kapacitet gör tekniken lämplig för användning i lager, räddningsoperationer, självkörande bilar och militära uppdrag.

Forskare inom MAS‑säkerhetsprogrammering

Forskarna bakom detta arbete inkluderar MIT:s docent i flygteknik och astronautik, Chuchu Fan. Dessutom bidrog Songyuan Zhang, Oswin och Kunal Garg till forskningen. Noterbart är att studien fick ekonomiskt stöd från USA:s National Science Foundation, MIT Lincoln Laboratory under programmet Safety in Aerobatic Flight Regimes (SAFR) och Singapore Defence Science and Technology Agency.

Ett ledande företag inom autonoma fordon

Flera företag kan utnyttja MAS‑säkerhetsprogrammeringsstudien för att förbättra sina UAV‑ eller EV‑erbjudanden. Allt eftersom fler tillverkare av autonoma farkoster lanseras kommer säkerhetskraven för flottor av autonoma fordon att öka. Här är ett företag som är perfekt positionerat för att utnyttja dessa data och förbättra sin avkastning på investeringar.

Amazon

När det gäller att driva svärmar av autonoma robotar är Amazon (AMZN ) ledande i branschen. Företaget integrerade autonoma robotar i sin fabrik för många år sedan. Sedan dess har de utökat sin drönarflotta för att inkludera UAV:er och EV:er. Allt eftersom deras flotta växer kommer efterfrågan på säkerhetsparametrar och styrsystem som de som utvecklats av MIT‑forskare att öka.

Amazon har länge lockat med drönarleveransflottor. Under det kommande året kan företaget påbörja sin lansering. Noterbart är att FAA godkände MK30‑drönarna som de avser att använda för flygning i november förra året.

Amazon har också gjort framsteg mot sitt 10‑års mål att leverera paket med drönare i EU. Specifikt testade företaget sitt leveranssystem i San Salvo, Italien, i december förra året med utmärkta resultat.

Om det lyckas kan Amazon använda drönare för att leverera till över 500 miljoner kunder varje år. Detta skulle avsevärt minska leveranskostnader och stölder, vilket kan leda till att AMZN‑aktiens värde ökar.

Framtiden för MAS‑säkerhetsprogrammering

Framtiden för drönarsäkerhetsprogrammering är skalbara högpresterande AI‑baserade system. Dessa system kommer att låta ingenjörer förenkla allt från skapandet till hanteringen och distributionen av säkerhetsprotokoll.

I framtiden kommer din leveransdrönare att ha full förståelse för sin realtidsmiljö, flygväg och platsen för sina kollegor. På så sätt närmar sig människor dagen då 24‑timmars leverans kan verka för långsam.

Läs om andra spännande utvecklingar inom robotiksektorn här.

Studierreferens:

^{1. Zhang, S., So, O., Garg, K., & Fan, C. (2025). GCBF+: En neural grafkontrollbarriärfunktionsramverk för distribuerad säker multi‑agent‑kontroll. IEEE Transactions on Robotics. https://doi.org/10.1109/TRO.2025.3530348}