Flux RSS
Intelligence artificielle - Agriculture - Apprentissage - Environnement
Après des années de recherche, des chercheurs hongrois, norvégiens et néerlandais ont réussi à faire voler en extérieur un essaim de 30 drones autonomes en coordination auto-organisée, effectuant des mouvements collectifs synchronisés à grande vitesse, sans collision, tout en évitant des obstacles. Une véritable intelligence collective, obtenue à partir d'un algorithme évolutif. Il n'y a pas de chef : chaque drone maintient de lui-même sa position dans l’essaim en opérant une communication constante avec les autres, en surveillant sa position par rapport au groupe et la vitesse de progression de chacun. Un  comportement très similaire à celui des essaims d'oiseaux ou d'abeilles, ou celui observé parmi les bancs de poissons.

Des vols qui étaient alors jusqu'alors programmés selon une trajectoire ou pilotés depuis la terre

Faire voler des drones en essaim, de façon autonome est bien plus difficile qu'il n'y paraît.
Pour cela, chaque drone doit en effet "savoir" coordonner son mouvement par rapport à l'ensemble, éviter les obstacles et pouvoir naviguer dans un milieu à haut bruit. Une technologie difficile à mettre en oeuvre en raison du délai d'arrivée du signal nécessaire à la communication entre drones autonomes et de ses perturbations éventuelles.


Essaim de drones lors du lancement des jeux Olympiques d'hiver de SéoulLes vols [civils(1)] de drones en essaim auxquels on a pu assister jusqu'à présent utilisent une autre méthode. Soit ils suivent un itinéraire prédéterminé préprogrammé (ce qui limite les possibilités d'étendues de l'essaim), soit ils sont contrôlés de manière centralisée depuis le sol.
C'est par exemple ce qui qui a été utilisé par la société Intel pour qu'une flottille de drones forme la figure des anneaux olympiques dans le ciel. à la fin du spectacle d’ouverture des Jeux Olympiques d’hiver en février dernier en Corée du Sud

Et si le résultat était là, il faut tout de même avoir à l'esprit que la préprogrammation rend presque impossible la résolution de problèmes imprévus lors des vols, tels que les rafales de vent ou la perte temporaire de communication.

Dès lors, une bien meilleure solution (comme décrite en début de l'article) consiste à rendre les drones aussi autonomes que possible afin qu'ils puissent déterminer par eux-mêmes quoi faire en cas d'événements imprévus.

Une première : un essaim de trente drones autonomes contrôlé par un algorithme d'optimisation évolutive

Des chercheurs des universités de Budapest, de Molde (Norvège) et d'Amsterdam, adoptant donc une approche différente de ce que l'on connaît principalement actuellement, viennent de publier en juillet dernier un article dans Science Robotics. Une "presque  première(1)"  puisque ces scientifiques ont fait voler en extérieur, et à grandes vitesses , un essaim auto-organisé de 30 drones autonomes. La clé de cette avancée réside dans le développement de l'optimisation évolutive d'un algorithme permettant aux drones de voler efficacement en essaim sans se toucher, et d'éviter les obstacles.

"Pour autant que nous sachions, cela n'a jamais été fait auparavant", relève Agoston E. Eiben, professeur d'intelligence artificielle à l'Université libre d'Amsterdam et co-auteur de l'article. "L'armée américaine aurait déjà expérimenté des drones autonomes(1), mais pratiquement aucun détail n'a été révélé".

Voler sans se toucher et rester groupé en essaim

Etude du vol de pigeonsCe résultat est issu d'un travail de très longue haleine. Pour en arriver à cette belle avancée, les chercheurs ont observé des pigeons équipés de dispositifs GPS pendant 6 ans pour reproduire enfin avec efficacité les mécanismes de vols en essaim avec des drones autonomes.
L'observation réelle des oiseaux, dont les positions étaient cartographiées dans le temps, a été un préalable pour mieux comprendre les interactions durant les vols en groupe.


Des simulations ont ensuite été développées au fur et à mesure des progrès obtenus(2), allant même jusqu'à reproduire le comportement de 100 oiseaux et de 100 drones.
Finalement, l’équipe propose 11 paramètres critiques (dont l'un est la rapidité d’alignement avec les autres drones) pour un vol autonome coordonné. Tout au long de la recherche, les chercheurs modifiaient les paramètres, puis exécutaient une simulation sur un supercalculateur, notaient où les choses allaient mal (ou bien), ajustaient les variables et les exécutaient encore et encore, arrivant finalement à une simulation suffisamment stable pour les convaincre de tenter leur approche avec de vrais drones.

Paramètres montrant la stabilité du modèle selon les mouvements

En accordant les drones entre eux, les chercheurs se basent sur le comportement dynamique: la relation entre la distance et la différence de vitesse. Les drones rapprochés doivent voler plus ou moins parfaitement parallèlement, les drones avec une plus grande distance mutuelle ont plus de liberté de mouvement. En d'autres termes, les différences de mouvement doivent diminuer à mesure que les drones se rapprochent les uns des autres.
L'utilisation d'un algorithme évolutif signifie que l'algorithme d'une simulation elle-même utilise des essais et des erreurs pour déterminer quels paramètres donnent les meilleurs résultats. Une des conditions principales à tester est que les drones ne doivent pas se toucher et rester ensemble. De plus, lors des simulations, des murs imaginaires ont été érigés obligeant l'essaim à les contourner (les simulations ont pu aller jusqu'à la modélisation du vol d'un essaim de 100 drones pendant 10 minutes, avec 150 itérations, soit une somme de 15 000 vols).

En fin de compte, le résultat conduit à un algorithme avec des paramètres optimaux, dotant le système d'un risque minimal de collision entre drones, la possibilité de contourner les obstacles, un réglage maximal des vitesses et un maximum de comportement en essaim.

Visualisation ici du vol de 30 drones volant à une vitesse de six mètres par seconde (21,3 km/h), placés en présence d'obstacles.

Crédit : Vásárhelyi et al., Science Robotics. 3, eaat3536 (2018)


Voir l'animation vidéo



 


Tests en vol réel

Cet algorithme a ensuite été testé en réel avec trente drones, des quadricoptères équipés d'un pilote automatique, d'un mini-ordinateur (fonctionnant sous Linux) pour déterminer les commandes de vitesse, d'un équipement de communication entre les drones et de l'équipement permettant de déterminer la position sur la base de la navigation par satellite. Durant le vol, les drones ont également reçu des murs virtuels et des objets à éviter. Dans ce cas, l'un des défis consistait à s'assurer que les robots frontaux préviennent les autres à temps pour un changement de direction.

Vol de drones en essaimDurant le vol, un avertissement rapide est nécessaire pour éviter que les drones ne se rapprochent trop, ce qui pourrait provoquer des collisions. La turbulence et les retards dans la communication réseau pouvaient également affecter le fonctionnement de l'essaim, qui est resté stable.

"Chaque drone change de couleur quand il change de direction ce qui facilite la compréhension de leur mouvement observé depuis le sol" indiquent les chercheurs.

Pour les scientifiques, l'objectif principal avec ces vols réels était de montrer qu'ils pouvaient piloter de manière autonome un essaim de drones avec l'algorithme évolutif qu'ils ont mis au point(3).

Finalement les démonstrations ont été un succès :

Vidéo : Vol optimisé de drones autonomes en essaim, dans des environnement confinés

Les drones ont magnifiquement tourné en essaim près des murs imaginaires, volant alors en formation vers l'un des coins, se scindant puis reconstituant l'essaim après passage de l'obstacle. À des vitesses commandées de 4 m/s (14, 4 km/h) puis de 8 m/s (28,8 km/h), ils ont volé à une distance moyenne de 12 m et 30 m respectivement et se sont rapprochés respectivement de 5 m et 15 m.
Des essais ont été également réalisés à des vitesse supérieure, mais alors le système ne s'est plus révélé opérant car les drones de tête se sont alors trouvé enfermés par ceux qui les suivaient. Les chercheurs s'attèlent maintenant à trouver une solution, espérant augmenter encore la vitesse d'évolution des drones.

Des applications

"Contrôler avec succès des dizaines de quadricoptères permettra une gestion des tâches nettement plus efficace dans divers contextes impliquant des drones", déclare l'un des co-auteurs de l'étude.
Selon les chercheurs, cette technologie pourrait, dans le domaine civil, servir à optimiser et mieux réguler le trafic dans le ciel pour la livraison de colis par des drones, être aussi utilisée dans la lutte contre les feux de forêt ou la surveillance des cultures agricoles (agriculture de précision), aider aussi à la protection de la faune...
Christophe Jacquemin



 
puce note Notes
(1) Nous parlons ici du domaine civil.
S'agissant du domaine militaire et de la défense, il faut signaler que le département de la défense américain a testé avec succès le vol d'un groupe de 103 microdrones Perdix au-dessus de la Californie en octobre 2016 (sauf qu'aucun détail technique n'a été révélé). Ces drones de 30 centimètres d'envergure et 16 centimètres de long pour 290 grammes ont été largués depuis trois avions de combat. Initialement créés par le MIT (Massachusetts Institute of Technology), ces drones ont été modifiés en 2013 pour un usage militaire dans le but de leur faire accomplir des missions de reconnaissance à basse altitude terrestres ou maritimes. Le département de la défense affirme que ces microdrones ne sont pas préprogrammés. Une intelligence artificielle commune leur permet de communiquer entre eux et de collaborer afin de s'adapter les uns aux autres pour évoluer en essaim et gérer l'arrivée et le départ de nouveaux appareils. L'opérateur qui contrôle l'essaim de microdrones n'a donc pas besoin de les commander individuellement. Il déclenche une action collective et les Perdix décident de la meilleure façon de la réaliser.
(2) Des travaux précédents menés par la même équipe considéraient un maximum de 10 drones à une vitesse plus lente, avec moins de stabilité, et reposant alors sur des systèmes de positionnement locaux coûteux et immobiles, ainsi que sur des fonctions centrales de calcul et de contrôle.
(3) Solution d'ailleurs évolutive en nombre de drones et en vitesse de vol, ce qui fait toute son élégance.
.
puce note Sources
"Optimized flocking of autonomous drones in confined environments",
par Gábor Vásárhelyi (1,2,), Csaba Virágh(2), Gergo Somorjai(1,2), Tamás Nepusz(3), Agoston E. Eiben(4) et Tamás Vicsek(1,2).
Issue : 19 juillet 2018, publié dans Science Robotics, volume 3, Issue 20, le 25 juillet 2018.

(1) Groupe de recherche en physique statistique et biologique de l'Académie des sciences de Hongrie - Budapest, Hongrie.
(2) Département de physique biologique, Université Eötvös Loránd -  Budapest, Hongrie.
(3) Collège universitaire de Molde, Britvegen - Molde, Norvège.
(4) Département d'informatique, Vrije Universiteit d'Amsterdam, Pays-Bas
.

 
  • twitter
  • facebook
  • linkedin
  • messagerie
  • impression

A Lire aussi

Informations légales | Données personnelles