డ్రోన్ షోలు పెద్ద-స్థాయి కాంతి ప్రదర్శన యొక్క జనాదరణ పొందిన రూపం. ఈ ప్రదర్శనలు వందల నుండి వేల వాయుమార్గాల బాట్లను కలిగి ఉంటాయి, ప్రతి ఒక్కటి ఈ మార్గాల్లో ప్రయాణించడానికి ప్రోగ్రామ్ చేయబడ్డాయి, ఇవి కలిసి ఆకాశంలో క్లిష్టమైన ఆకారాలు మరియు నమూనాలను ఏర్పరుస్తాయి. అవి ప్రణాళికాబద్ధంగా వెళ్ళినప్పుడు, డ్రోన్ ప్రదర్శనలు అద్భుతమైనవి. ఒకటి లేదా అంతకంటే ఎక్కువ డ్రోన్ల పనిచేయకపోవడం, ఫ్లోరిడా, న్యూయార్క్ మరియు ఇతర ప్రాంతాలలో ఇటీవల జరిగినట్లుగా, అవి నేలమీద ప్రేక్షకులకు తీవ్రమైన ప్రమాదంగా ఉంటాయి.
డ్రోన్ షో ప్రమాదాలు ఇంజనీర్లు “మల్టీజెంట్ సిస్టమ్స్” అని పిలిచే భద్రతను కొనసాగించే సవాళ్లను హైలైట్ చేస్తాయి-రోబోట్లు, డ్రోన్లు మరియు సెల్ఫ్ డ్రైవింగ్ కార్ల వంటి బహుళ సమన్వయ, సహకార మరియు కంప్యూటర్-ప్రోగ్రామ్డ్ ఏజెంట్ల వ్యవస్థలు.
ఇప్పుడు, MIT ఇంజనీర్ల బృందం రద్దీ వాతావరణంలో వారి సురక్షితమైన ఆపరేషన్‌కు హామీ ఇవ్వగల మల్టీజెంట్ సిస్టమ్స్ కోసం ఒక శిక్షణా పద్ధతిని అభివృద్ధి చేసింది. తక్కువ సంఖ్యలో ఏజెంట్లకు శిక్షణ ఇవ్వడానికి ఈ పద్ధతిని ఉపయోగించిన తర్వాత, ఆ ఏజెంట్లు నేర్చుకున్న భద్రతా మార్జిన్లు మరియు నియంత్రణలు స్వయంచాలకంగా ఏదైనా పెద్ద సంఖ్యలో ఏజెంట్లకు స్కేల్ చేయగలవని, వ్యవస్థ యొక్క మొత్తం భద్రతను నిర్ధారించే విధంగా స్వయంచాలకంగా స్కేల్ చేయగలదని పరిశోధకులు కనుగొన్నారు.
వాస్తవ-ప్రపంచ ప్రదర్శనలలో, బృందం వేర్వేరు లక్ష్యాలను సురక్షితంగా నిర్వహించడానికి తక్కువ సంఖ్యలో అరచేతి-పరిమాణ డ్రోన్‌లకు శిక్షణ ఇచ్చింది, ఏకకాలంలో మారే స్థానాలను మిడ్‌ఫ్లైట్ చేయడం నుండి మైదానంలో నియమించబడిన కదిలే వాహనాలపై దిగడం వరకు. అనుకరణలలో, కొన్ని డ్రోన్లపై శిక్షణ పొందిన అదే ప్రోగ్రామ్‌లను వేలాది డ్రోన్ల వరకు కాపీ చేసి, స్కేల్ చేయవచ్చని పరిశోధకులు చూపించారు, పెద్ద వ్యవస్థ ఏజెంట్లు అదే పనులను సురక్షితంగా సాధించడానికి వీలు కల్పిస్తుంది.
“గిడ్డంగి రోబోట్లు, సెర్చ్-అండ్-రెస్క్యూ డ్రోన్లు మరియు సెల్ఫ్ డ్రైవింగ్ కార్లు వంటి ఏజెంట్ల బృందం అవసరమయ్యే ఏదైనా అనువర్తనానికి ఇది ఒక ప్రమాణం కావచ్చు” అని MIT లోని ఏరోనాటిక్స్ మరియు వ్యోమగాణాల అసోసియేట్ ప్రొఫెసర్ చుచు అభిమాని చెప్పారు. “ఇది ఒక కవచం లేదా భద్రతా వడపోతను అందిస్తుంది, ప్రతి ఏజెంట్ వారి మిషన్‌తో కొనసాగగలదని, మరియు ఎలా సురక్షితంగా ఉండాలో మేము మీకు చెప్తాము.”
అభిమాని మరియు ఆమె సహచరులు పత్రికలో కనిపించే అధ్యయనంలో వారి కొత్త పద్ధతిపై నివేదిస్తారు రోబోటిక్స్ పై IEEE లావాదేవీలు.ఈ అధ్యయనం యొక్క సహ రచయితలు MIT గ్రాడ్యుయేట్ విద్యార్థులు సాంగ్యువాన్ జాంగ్ మరియు ఓస్విన్, అలాగే ఇప్పుడు అరిజోనా స్టేట్ యూనివర్శిటీలో అసిస్టెంట్ ప్రొఫెసర్ అయిన మాజీ MIT పోస్ట్‌డాక్ కునాల్ గార్గ్.
మాల్ మార్జిన్లు
ఏదైనా మల్టీజెంట్ సిస్టమ్‌లో ఇంజనీర్లు భద్రత కోసం రూపకల్పన చేసినప్పుడు, వారు సాధారణంగా సిస్టమ్‌లోని ప్రతి ఇతర ఏజెంట్‌కు సంబంధించి ప్రతి ఏజెంట్ యొక్క సంభావ్య మార్గాలను పరిగణించాలి. ఈ జత వారీగా మార్గం-ప్రణాళిక సమయం తీసుకునే మరియు గణనపరంగా ఖరీదైన ప్రక్రియ. అప్పుడు కూడా, భద్రతకు హామీ లేదు.
“డ్రోన్ షోలో, ప్రతి డ్రోన్‌కు ఒక నిర్దిష్ట పథం ఇవ్వబడుతుంది – వే పాయింట్ పాయింట్లు మరియు సార్లు సమితి – ఆపై వారు తప్పనిసరిగా కళ్ళు మూసుకుని ప్రణాళికను అనుసరిస్తారు” అని అధ్యయనం యొక్క ప్రధాన రచయిత జాంగ్ చెప్పారు. “వారు ఎక్కడ ఉండాలో వారికి మాత్రమే తెలుసు మరియు ఏ సమయంలో, unexpected హించని విషయాలు ఉంటే, ఎలా స్వీకరించాలో వారికి తెలియదు.”
సిస్టమ్‌లోని ఎన్ని ఏజెంట్లకు అయినా సమర్థవంతంగా స్కేల్ చేయగల విధంగా, సురక్షితంగా యుక్తికి తక్కువ సంఖ్యలో ఏజెంట్లకు శిక్షణ ఇచ్చే పద్ధతిని అభివృద్ధి చేయడానికి MIT బృందం బదులుగా చూసింది. మరియు, వ్యక్తిగత ఏజెంట్ల కోసం నిర్దిష్ట మార్గాలను ప్లాన్ చేయకుండా, ఈ పద్ధతి ఏజెంట్లు వారి భద్రతా మార్జిన్లను నిరంతరం మ్యాప్ చేయడానికి లేదా వారు అసురక్షితంగా ఉన్న సరిహద్దులను అనుమతిస్తుంది. ఒక ఏజెంట్ దాని భద్రతా మార్జిన్లలోనే ఉన్నంతవరకు, దాని పనిని నెరవేర్చడానికి ఎన్ని మార్గాలు తీసుకోవచ్చు.
కొంత కోణంలో, ఈ పద్ధతి మానవులు తమ పరిసరాలను ఎలా అకారణంగా నావిగేట్ చేస్తారో ఈ పద్ధతి సమానమని బృందం చెబుతోంది.
“మీరు నిజంగా రద్దీగా ఉండే షాపింగ్ మాల్‌లో ఉన్నారని చెప్పండి” కాబట్టి వివరిస్తుంది. “మీ చుట్టూ ఉన్న 5 మీటర్ల మాదిరిగా, సురక్షితంగా చుట్టూ తిరగడం మరియు ఎవరితోనూ దూసుకెళ్లకపోవడం వంటి మీ చుట్టూ ఉన్న 5 మీటర్ల మాదిరిగా మీ పరిసరాల్లో ఉన్న వ్యక్తుల గురించి మీరు పట్టించుకోరు. మా పని ఇలాంటి స్థానిక విధానాన్ని తీసుకుంటుంది.”
భద్రతా అవరోధం
వారి కొత్త అధ్యయనంలో, బృందం వారి పద్ధతి GCBF+ను ప్రదర్శిస్తుంది, ఇది “గ్రాఫ్ కంట్రోల్ బారియర్ ఫంక్షన్” ని సూచిస్తుంది. అవరోధ ఫంక్షన్ అనేది రోబోటిక్స్లో ఉపయోగించే గణిత పదం, ఇది ఒక విధమైన భద్రతా అవరోధాన్ని లేదా సరిహద్దును లెక్కిస్తుంది, దీనికి మించి ఒక ఏజెంట్ అసురక్షితంగా ఉండటానికి అధిక సంభావ్యతను కలిగి ఉంటుంది. ఏదైనా ఏజెంట్ కోసం, ఈ భద్రతా జోన్ క్షణం క్షణం మార్చగలదు, ఎందుకంటే ఏజెంట్ ఇతర ఏజెంట్ల మధ్య కదులుతుంది, వారు వ్యవస్థలో కదులుతారు.
డిజైనర్లు బహుళ వ్యవస్థలోని ఏదైనా ఒక ఏజెంట్ కోసం అవరోధం ఫంక్షన్లను లెక్కించినప్పుడు, వారు సాధారణంగా సిస్టమ్‌లోని ప్రతి ఇతర ఏజెంట్‌తో సంభావ్య మార్గాలు మరియు పరస్పర చర్యలను పరిగణనలోకి తీసుకోవాలి. బదులుగా, MIT బృందం యొక్క పద్ధతి కేవలం కొద్దిమంది ఏజెంట్ల భద్రతా మండలాలను లెక్కిస్తుంది, ఇది వ్యవస్థలో మరెన్నో ఏజెంట్ల డైనమిక్స్‌ను సూచించేంత ఖచ్చితమైనది.
“అప్పుడు మేము ప్రతి ఏజెంట్ కోసం ఈ అవరోధ ఫంక్షన్‌ను కాపీ-పేస్ట్ చేయవచ్చు, ఆపై అకస్మాత్తుగా మాకు భద్రతా మండలాల గ్రాఫ్ ఉంది, అది సిస్టమ్‌లోని ఎన్ని ఏజెంట్లకు అయినా పనిచేస్తుంది” అని చెప్పారు.
ఏజెంట్ యొక్క అవరోధ ఫంక్షన్‌ను లెక్కించడానికి, జట్టు యొక్క పద్ధతి మొదట ఏజెంట్ యొక్క “సెన్సింగ్ వ్యాసార్థం” ను పరిగణనలోకి తీసుకుంటుంది లేదా ఒక ఏజెంట్ దాని సెన్సార్ సామర్థ్యాలను బట్టి ఎంత పరిసరాలను గమనించవచ్చు. షాపింగ్ మాల్ సారూప్యతలో ఉన్నట్లే, పరిశోధకులు ఏజెంట్ దాని సెన్సింగ్ వ్యాసార్థంలో ఉన్న ఏజెంట్ల గురించి మాత్రమే పట్టించుకుంటారని, సురక్షితంగా ఉంచడం మరియు ఆ ఏజెంట్లతో ఘర్షణలను నివారించడం.
అప్పుడు, ఏజెంట్ యొక్క ప్రత్యేకమైన యాంత్రిక సామర్థ్యాలు మరియు పరిమితులను సంగ్రహించే కంప్యూటర్ మోడళ్లను ఉపయోగించి, బృందం “కంట్రోలర్” ను లేదా ఏజెంట్ మరియు కొన్ని సారూప్య ఏజెంట్లు ఎలా తిరగాలి అనేదానికి సూచనల సమితిని అనుకరిస్తుంది. అప్పుడు వారు కొన్ని పథాల వెంట కదులుతున్న బహుళ ఏజెంట్ల అనుకరణలను అమలు చేస్తారు మరియు అవి ఎలా మరియు ఎలా సంకర్షణ చెందుతాయో రికార్డ్ చేస్తారు.
“మేము ఈ పథాలను కలిగి ఉంటే, ప్రస్తుత నియంత్రికలో మనకు ఎన్ని భద్రతా ఉల్లంఘనలు ఉన్నాయో చెప్పడానికి మేము కొన్ని చట్టాలను లెక్కించవచ్చు” అని జాంగ్ చెప్పారు. “అప్పుడు మేము సురక్షితంగా ఉండటానికి నియంత్రికను అప్‌డేట్ చేస్తాము.”
ఈ విధంగా, ఒక నియంత్రికను వాస్తవ ఏజెంట్లుగా ప్రోగ్రామ్ చేయవచ్చు, ఇది వారి తక్షణ పరిసరాలలో వారు గ్రహించగలిగే ఇతర ఏజెంట్ల ఆధారంగా వారి భద్రతా జోన్‌ను నిరంతరం మ్యాప్ చేయడానికి వీలు కల్పిస్తుంది, ఆపై వారి పనిని నెరవేర్చడానికి ఆ భద్రతా జోన్ లోపలకి వెళ్లండి.
“మా నియంత్రిక రియాక్టివ్,” అని అభిమాని చెప్పారు. “మేము ముందే ఒక మార్గాన్ని ప్రీప్లాన్ చేయము. మా కంట్రోలర్ నిరంతరం ఒక ఏజెంట్ ఎక్కడికి వెళుతున్నాడో, దాని వేగం ఏమిటి, ఇతర డ్రోన్లు ఎంత వేగంగా వెళ్తున్నాయనే దాని గురించి నిరంతరం సమాచారాన్ని తీసుకుంటుంది. ఇది ఫ్లైలో ఒక ప్రణాళికతో రావడానికి ఈ సమాచారాన్ని ఉపయోగిస్తోంది. మరియు ఇది ప్రతిసారీ ప్రత్యామ్నాయం చేస్తుంది.
ఈ బృందం ఎనిమిది క్రేజీఫ్లీల వ్యవస్థలో GCBF+ ను ప్రదర్శించింది-తేలికపాటి, అరచేతి-పరిమాణ క్వాడ్రోటర్ డ్రోన్లు వారు మిడియర్‌లో ఎగిరే మరియు మారే స్థానాలను మార్చడం. డ్రోన్లు సరళమైన మార్గాన్ని తీసుకోవడం ద్వారా అలా చేస్తే, అవి ఖచ్చితంగా ide ీకొంటాయి. కానీ జట్టు యొక్క పద్ధతిలో శిక్షణ పొందిన తరువాత, డ్రోన్లు ఒకదానికొకటి ఉపాయాలు చేయడానికి నిజ-సమయ సర్దుబాట్లు చేయగలిగాయి, ఆయా భద్రతా మండలాల్లో ఉంచడం, ఫ్లైలో స్థానాలను విజయవంతంగా మార్చడానికి.
ఇదే తరహాలో, బృందం డ్రోన్‌లను చుట్టూ ఎగురుతూ, ఆపై నిర్దిష్ట తాబేలు బాట్లపైకి దిగింది-షెల్ లాంటి టాప్స్‌తో చక్రాల రోబోట్లు. తాబేలు బాట్లు ఒక పెద్ద వృత్తంలో నిరంతరం చుట్టుముట్టాయి, మరియు క్రేజీఫ్లైస్ వారు తమ ల్యాండింగ్లను తయారుచేసేటప్పుడు ఒకదానితో ఒకటి iding ీకొనకుండా ఉండగలిగారు.
“మా ఫ్రేమ్‌వర్క్‌ను ఉపయోగించి, మేము మొత్తం ఘర్షణ లేని పథానికి బదులుగా డ్రోన్‌లకు వారి గమ్యస్థానాలను మాత్రమే ఇవ్వాలి, మరియు డ్రోన్లు తమ గమ్యస్థానాలకు ఎలా రావు అనేదానిని గుర్తించవచ్చు,” అని అభిమాని చెప్పారు, ఈ పద్ధతి వర్తించవచ్చని fan హించింది. డ్రోన్ షోలలో ఘర్షణ ఎగవేత వ్యవస్థలు, గిడ్డంగి రోబోట్లు, అటానమస్ డ్రైవింగ్ వాహనాలు మరియు డ్రోన్ డెలివరీ వ్యవస్థలతో సహా దాని భద్రతకు హామీ ఇవ్వడానికి ఏదైనా మల్టీజెంట్ సిస్టమ్‌కు.
ఈ పనికి పాక్షికంగా యుఎస్ నేషనల్ సైన్స్ ఫౌండేషన్, ఎంఐటి లింకన్ లాబొరేటరీ అండర్ ది సేఫ్టీ ఇన్ ఏరోబాటిక్ ఫ్లైట్ రెజిమ్స్ (SAFR) ప్రోగ్రామ్ మరియు సింగపూర్ యొక్క డిఫెన్స్ సైన్స్ అండ్ టెక్నాలజీ ఏజెన్సీ మద్దతు ఇచ్చాయి.
