למידה חישובית ואופטימיזציה – עכשיו גם בכלי הטיס הבלתי מאוישים

למידה חישובית ואופטימיזציה – עכשיו גם בכלי הטיס הבלתי מאוישים

machine learning

This post is also available in: enEnglish (אנגלית)

יישום חדש של למידה חישובית (machine learning) בתחום הכטב"מים. הלמידה החישובית הפכה לאחד ההיבטים החשובים ביותר של הבינה המלאכותית בבניית מערכות בלתי מאוישות. אחד האתגרים הגדולים בפיתוח גישת הלמידה החישובית הוא היקף הנתונים הגדול הנדרש כדוגמאות לצורך לימוד התנהגויות. כמו כן, מערכת הכטב"ם אינה יכולה לבצע פעילות מבצעית בשלב האימון. משמע, הרבה מהתהליך מתבצע בשעת פעולה, כאשר האדם מפעיל רובוט בלתי צפוי.

פלטפורמת ה-Aerial Informatics and Robotics של מיקרוסופט שואפת לפתור את הבעיות הללו. היא תעניק כלי סימולציה מציאותיים לאנשי תכנון ופיתוח ותנגיש את הנתונים הדרושים תוך התייחסות לתגליות חדשות בעולם הפיזיקה, כל זאת במטרה ליצור סימולציות מציאותיות.

היות וקצב ההתקדמות והפיתוח בתחומי החומרה, התוכנה והאלגוריתמיקה מהירים מאוד, דרושה מערכת גמישה מספיק שניתן להרחיב ולהאריך בכמה פרמטרים. מבנה הפלטפורמה בנוי בצורה מודולרית שאכן מאפשרת את התאמתו.

הצורה מרובת הפלטפורמות (לינוקס ו-ווינדוס) וארכיטקטורת הקוד הפתוח ניתנים להרחבה ואימוץ מול הרבה כלים אוטונומיים ומערכות חומרה וכן פרוטוקולים של תוכנה. כל המנגנון הזה יאפשר למשתמשים להוסיף לסימולטור מודלים וחיישנים חדשים בקלות.

על פי האתר של מיקרוסופט, הפלטפורמה גם מתוכננת בצורה שניתן לשלב אותה עם מסגרות למידה חישובית קיימות וליצור אלגוריתמים חדשים למשימות תפיסה ובקרה. שיטות כמו תגבור וחיקוי למידה, למידה על ידי הדגמה ולמידת העברה יכולות ליצור סימולציות ברמה גבוהה וחוויה מציאותית יותר.

כלי טיס בעלי ארבעה רוטורים (Quadrotors) הם הכלי הראשון שיושם בפלטפורמה. הרובוטים האוויריים הללו משמשים בתחומי החקלאות, הבקרה, חיזוי מזג אוויר ועוד. מצלמה היא חלק אינטגרלי במערכות הללו ולעיתים היא הדרך היחידה עבור הכלי להבין איפה הוא נמצא ולבצע את המשימה שלו בצורה בטוחה.

הפלטפורמה מאפשרת אימון ובחינה לאינספור מערכות, שנעזרות במצלמות כאלו באמצעות תפיסה מציאותית של הסביבה. הגרפיקה המלאכותית יכולה ליצור רמת פרטים גבוהה מזו שלעתים קרובות רובוט יתפוס בסביבה אמיתית.