Innovazioni autonome in un mondo incerto

Jan 21, 2024

Immagine precedente Immagine successiva

Gli interessi di ricerca del professor Jonathan How del MIT abbracciano la gamma dei veicoli autonomi: dagli aeroplani e i veicoli spaziali ai veicoli aerei senza pilota (UAV o droni) e alle automobili. È particolarmente concentrato sulla progettazione e implementazione di algoritmi di pianificazione robusti distribuiti per coordinare più veicoli autonomi in grado di navigare in ambienti dinamici.

Da circa un anno, il professore di aeronautica e astronautica Richard Cockburn Maclaurin e un team di ricercatori dell’Aerospace Controls Laboratory del MIT hanno sviluppato un sistema di pianificazione della traiettoria che consente a una flotta di droni di operare nello stesso spazio aereo senza entrare in collisione con l'un l'altro. In altre parole, si tratta di un progetto per evitare collisioni tra più veicoli e ha implicazioni reali in termini di risparmio sui costi e di efficienza per una varietà di settori, tra cui l’agricoltura e la difesa.

La struttura di prova per il progetto è il Kresa Center for Autonomous Systems, uno spazio di 80 x 40 piedi con soffitti di 25 piedi, progettato su misura per il lavoro del MIT con veicoli autonomi, incluso lo sciame di UAV di How che ronza regolarmente intorno alla baia alta del centro . Per evitare la collisione, ogni UAV deve calcolare la propria traiettoria di pianificazione del percorso a bordo e condividerla con il resto delle macchine utilizzando una rete di comunicazione wireless.

Ma, secondo How, una delle sfide principali nel lavoro con più veicoli riguarda i ritardi di comunicazione associati allo scambio di informazioni. In questo caso, per affrontare il problema, How e i suoi ricercatori hanno incorporato nel loro sistema una funzione di “percezione consapevole” che consente a un veicolo di utilizzare i sensori di bordo per raccogliere nuove informazioni sugli altri veicoli e quindi modificare la propria traiettoria pianificata. Durante i test, la loro soluzione algoritmica ha prodotto un tasso di successo del 100%, garantendo voli senza collisioni tra il loro gruppo di droni. Il prossimo passo, dice How, è potenziare gli algoritmi, testarli in spazi più grandi ed eventualmente volare all’aperto.

Nato in Inghilterra, la passione di Jonathan How per gli aeroplani è iniziata in giovane età, grazie al tempo trascorso nelle basi aeree con suo padre, che per molti anni ha prestato servizio nella Royal Air Force. Tuttavia, come ricorda How, mentre altri bambini volevano diventare astronauti, la sua curiosità aveva più a che fare con l'ingegneria e la meccanica del volo. Anni dopo, come studente universitario presso l'Università di Toronto, sviluppò un interesse per la matematica applicata e la ricerca multi-veicolo applicata all'ingegneria aeronautica e astronautica. Ha continuato a svolgere il suo lavoro di laurea e post-dottorato al MIT, dove ha contribuito a un esperimento finanziato dalla NASA su tecniche di controllo avanzate per il puntamento ad alta precisione e il controllo delle vibrazioni sui veicoli spaziali. E, dopo aver lavorato sui telescopi spaziali distribuiti come membro junior della facoltà dell'Università di Stanford, è tornato a Cambridge, nel Massachusetts, per unirsi alla facoltà del MIT nel 2000.

“Una delle sfide principali per qualsiasi veicolo autonomo è come affrontare ciò che c’è nell’ambiente circostante”, afferma. Per le auto autonome ciò significa, tra le altre cose, identificare e tracciare i pedoni. Ecco perché How e il suo team hanno raccolto dati in tempo reale da auto autonome dotate di sensori progettati per tracciare i pedoni, e poi hanno utilizzato tali informazioni per generare modelli per comprendere il loro comportamento – ad esempio a un incrocio – che consente agli autonomi veicolo per fare previsioni a breve termine e prendere decisioni migliori su come procedere. "È un processo di previsione molto rumoroso, data l'incertezza del mondo", ammette How. “Il vero obiettivo è migliorare la conoscenza. Non otterrai mai previsioni perfette. Stai solo cercando di comprendere l'incertezza e ridurla il più possibile.

In un altro progetto, How sta ampliando i confini del processo decisionale in tempo reale per gli aerei. In questi scenari, i veicoli devono determinare dove si trovano nell’ambiente, cos’altro c’è intorno a loro, quindi pianificare un percorso ottimale da seguire. Inoltre, per garantire un’agilità sufficiente, è tipicamente necessario essere in grado di rigenerare queste soluzioni circa 10-50 volte al secondo e non appena diventano disponibili nuove informazioni dai sensori dell’aereo. Esistono computer potenti, ma il loro costo, dimensioni, peso e requisiti di alimentazione ne rendono impraticabile l’implementazione su velivoli piccoli e agili. Quindi, come eseguire rapidamente tutti i calcoli necessari, senza sacrificare le prestazioni, su computer che si adattano facilmente a un agile veicolo volante?