Les chercheurs de Caltech ont développé un algorithme d’apprentissage automatique qui permet aux essaims de drones de naviguer dans des espaces restreints sans se heurter les uns les autres. Cet algorithme, appelé Global-to-Local Safe Autonomy Synthesis (GLAS), pourrait être utile dans les spectacles lumineux de drones de fantaisie, ainsi que dans les opérations vitales, comme les opérations de recherche et de sauvetage.
Au lieu de se fier aux cartes existantes ou aux itinéraires de tous les autres drones de l’essaim, GLAS permet à chaque machine d’apprendre à naviguer dans un espace donné par elle-même, tout en se coordonnant avec les autres. Ce modèle décentralisé aide les drones à improviser et facilite la mise à l’échelle de l’essaim, car le calcul est réparti entre de nombreux robots.
Un contrôleur de poursuite supplémentaire, Neural-Swarm, aide les drones à compenser les interactions aérodynamiques, comme le souffle descendant d’un robot volant au-dessus d’eux.
Ouah !
