Planador volando a través del aprendizaje de refuerzo en el campo

Área de la Ciencia:

• Ingeniería Aeroespacial
• El comportamiento de los animales
• Inteligencia artificial

Sus antecedentes:

• Las aves que vuelan utilizan las temperaturas atmosféricas para la navegación y la búsqueda de alimentos.
• La naturaleza dinámica y compleja de las termales presenta un desafío de navegación significativo.
• La comprensión de las estrategias de navegación de las aves puede informar a los sistemas de vuelo autónomos.

Objetivo del estudio:

• Desarrollar una estrategia de navegación autónoma para elevarse en condiciones térmicas atmosféricas utilizando el aprendizaje por refuerzo.
• Para investigar las señales ambientales que las aves podrían usar para la navegación térmica.
• Crear una política de vuelo aplicable a los vehículos de vuelo autónomo.

Principales métodos:

• Un planeador de dos metros de envergadura estaba equipado con un controlador de vuelo para la navegación térmica autónoma.
• El aprendizaje por refuerzo se empleó para entrenar al planeador basado en sus experiencias de campo.
• La estrategia se centró en la utilización de las estimaciones a bordo de las aceleraciones verticales del viento y los pares de rodadura.

Principales resultados:

• El planeador aprendió una exitosa estrategia de navegación autónoma para las temperaturas atmosféricas.
• Las aceleraciones verticales del viento y los torques de rotación se identificaron como señales clave de navegación.
• La política aprendida demostró su validez a través de experimentos y simulaciones de campo.

Conclusiones:

• El aprendizaje por refuerzo puede capacitar efectivamente a los sistemas autónomos para navegar en condiciones atmosféricas complejas.
• Las señales mecanosensoriales como las aceleraciones verticales del viento y los torques de rotación son cruciales para la navegación en alza.
• La estrategia desarrollada tiene aplicaciones directas para el desarrollo de vehículos voladores autónomos.