Innovations autonomes dans un monde incertain

Jan 21, 2024

Image précédente Image suivante

Les intérêts de recherche du professeur Jonathan How du MIT couvrent toute la gamme des véhicules autonomes – des avions et vaisseaux spatiaux aux véhicules aériens sans pilote (UAV ou drones) et aux voitures. Il se concentre particulièrement sur la conception et la mise en œuvre d'algorithmes de planification robustes distribués pour coordonner plusieurs véhicules autonomes capables de naviguer dans des environnements dynamiques.

Depuis environ un an, le professeur Richard Cockburn Maclaurin d'aéronautique et d'astronautique et une équipe de chercheurs du laboratoire de contrôle aérospatial du MIT développent un système de planification de trajectoire qui permet à une flotte de drones d'opérer dans le même espace aérien sans entrer en collision avec l'un l'autre. En d’autres termes, il s’agit d’un projet visant à éviter les collisions impliquant plusieurs véhicules et il a des implications concrètes en matière de réduction des coûts et d’efficacité pour diverses industries, notamment l’agriculture et la défense.

L'installation de test du projet est le Kresa Center for Autonomous Systems, un espace de 80 pieds sur 40 pieds avec des plafonds de 25 pieds, conçu sur mesure pour le travail du MIT avec les véhicules autonomes - y compris l'essaim de drones How qui bourdonne régulièrement autour de la grande baie du centre. . Pour éviter une collision, chaque drone doit calculer sa trajectoire de planification de trajectoire à bord et la partager avec le reste des machines via un réseau de communication sans fil.

Mais, selon How, l’un des principaux défis du travail multi-véhicules concerne les délais de communication associés à l’échange d’informations. Dans ce cas, pour résoudre le problème, How et ses chercheurs ont intégré dans leur système une fonction « consciente de la perception » qui permet à un véhicule d'utiliser les capteurs embarqués pour recueillir de nouvelles informations sur les autres véhicules, puis de modifier sa propre trajectoire prévue. Lors des tests, leur solution algorithmique a abouti à un taux de réussite de 100 %, garantissant des vols sans collision au sein de leur groupe de drones. La prochaine étape, explique How, consiste à étendre les algorithmes, à les tester dans des espaces plus grands et, éventuellement, à voler à l'extérieur.

Né en Angleterre, la fascination de Jonathan How pour les avions a commencé dès son plus jeune âge, grâce au temps passé dans les bases aériennes avec son père, qui a servi pendant de nombreuses années dans la Royal Air Force. Cependant, comme le rappelle How, alors que d'autres enfants voulaient devenir astronautes, sa curiosité était davantage liée à l'ingénierie et à la mécanique du vol. Des années plus tard, alors qu'il était étudiant de premier cycle à l'Université de Toronto, il a développé un intérêt pour les mathématiques appliquées et la recherche multi-véhicules appliquées au génie aéronautique et astronautique. Il a ensuite effectué ses travaux universitaires et postdoctoraux au MIT, où il a contribué à une expérience financée par la NASA sur les techniques de contrôle avancées pour le pointage de haute précision et le contrôle des vibrations des engins spatiaux. Et, après avoir travaillé sur des télescopes spatiaux distribués en tant que membre junior du corps professoral de l'Université de Stanford, il est retourné à Cambridge, dans le Massachusetts, pour rejoindre le corps professoral du MIT en 2000.

"L'un des principaux défis pour tout véhicule autonome est de savoir comment gérer ce qui se trouve dans l'environnement qui l'entoure", dit-il. Pour les voitures autonomes, cela signifie, entre autres, identifier et suivre les piétons. C'est pourquoi How et son équipe collectent des données en temps réel à partir de voitures autonomes équipées de capteurs conçus pour suivre les piétons, puis utilisent ces informations pour générer des modèles permettant de comprendre leur comportement - à une intersection, par exemple - ce qui permet aux véhicules autonomes de suivre les piétons. un moyen de faire des prévisions à court terme et de prendre de meilleures décisions sur la manière de procéder. «C'est un processus de prévision très bruyant, compte tenu de l'incertitude du monde», admet How. « Le véritable objectif est d’améliorer les connaissances. Vous n’obtiendrez jamais de prédictions parfaites. Vous essayez simplement de comprendre l’incertitude et de la réduire autant que possible.

Sur un autre projet, How repousse les limites de la prise de décision en temps réel pour les avions. Dans ces scénarios, les véhicules doivent déterminer où ils se trouvent dans l’environnement, ce qui se trouve autour d’eux, puis planifier une trajectoire optimale. De plus, pour garantir une agilité suffisante, il est généralement nécessaire de pouvoir régénérer ces solutions environ 10 à 50 fois par seconde, et ce dès que de nouvelles informations provenant des capteurs de l'avion sont disponibles. Des ordinateurs puissants existent, mais leur coût, leur taille, leur poids et leurs exigences en matière de puissance rendent leur déploiement sur des avions petits et agiles peu pratique. Alors, comment effectuer rapidement tous les calculs nécessaires, sans sacrifier les performances, sur des ordinateurs qui s'adaptent facilement à un véhicule volant agile ?