Ieguvumi:
- Izprotiet mākslīgā intelekta lomu un robežas lidojumu kontroles likumos, stabilitātes analīzē un autonomās sistēmas arhitektūrā
- Spēja ar piemēriem izskaidrot, kā aviācijas autonomijā tiek izmantota pastiprināšanas mācīšanās un uz modeļiem balstīta kontrole
- Spēja pārbaudīt vadības rezultātus attiecībā uz lidojuma aploksni, stabilitātes rezervi un bezatteices darbību
Lidmašīna pati par sevi nelido taisni gaisā; Tas pastāvīgi atjauno līdzsvaru, kas pastāvīgi tiek traucēts. Lidojuma dinamika ir šī līdzsvara zinātne: tā pēta, kā lidmašīna pārvietojas spēku un momentu ietekmē, vai tas atgūstas no vēja trieciena (stabilitāte) un kā tas reaģē uz pilota vai datora komandām. Vadības sistēma ir smadzenes, kas šo dinamiku pārvērš vēlamajā uzvedībā: lidojuma kontroles likumi (algoritmi, kas veic sensoru mērījumus un ģenerē komandas vadības virsmām) nodrošina, ka lidmašīna vienmēr ir stabila un vadāma.
Mākslīgais intelekts (AI) spēlē lomu šajā jomā gan klasiskās inženierijas, gan autonomijas pusē. No klasiskās puses tas paātrina stabilitātes analīzi, kontroliera dizainu un simulācijas iestatīšanu. Runājot par autonomiju, tādas metodes kā pastiprinoša mācīšanās (aģenta mācīšanās uzvedība, kuras pamatā ir atalgojuma signāls, izmantojot izmēģinājumus un kļūdas), izstrādā politiku sarežģītos uzdevumos. Taču lidojuma vadība ir lauks, kurā kļūda ir tūlītēja un neatgriezeniska: nestabila vadības likums var pazaudēt lidmašīnu dažu sekunžu laikā. Tāpēc gaisa kuģī netiek ieviesti mākslīgā intelekta radīti kontroles uzlabojumi vai politikas, ja tie nav apstiprināti attiecībā uz lidojuma apmēru, stabilitātes rezervi un bezatteices darbību.
Jēdzieni: Lidojuma aptvere: ātruma, augstuma un slodzes koeficienta ierobežojumi, ar kuriem gaisa kuģis var droši lidot. Stabilitātes robeža: pastiprinājuma rezerve un fāzes rezerve; Mērījums, kas parāda, cik tālu vadības cilpa atrodas no nestabilitātes. Neatteices: sistēma pāriet drošā stāvoklī, kad komponents atteicas. PID: proporcionālais-integrālais-atvasinājums; Visizplatītākā klasiskā kontrollera struktūra.
Stabilitāte, kontroles likums un AI loma
Vadības dizaina pamatā ir atvērtās cilpas dinamikas izpratne un slēgtās cilpas pārvietošana uz vēlamo darbību. Inženieris linearizē gaisa kuģa kustības vienādojumus, atvasina pārsūtīšanas funkcijas un izstrādā kontrolieri (piemēram, ar PID vai stāvokļa atgriezenisko saiti). AI atgādina algebriskos starpposmus šajā procesā, palīdz saknes lokusa interpretācijā, raksta skriptus ar MATLAB/Python vadības bibliotēkām un izveido kodu, kas aprēķina izmaksu kopas stabilitātes robežas.
Kritiskais punkts ir šāds: labs sniegums nenozīmē labu stabilitātes rezervi. AI ieteiktais agresīvais pastiprinājuma komplekts, iespējams, ir devis ļoti ātru un asu reakciju simulācijā, taču tas var būt samazinājis pastiprinājuma rezervi līdz 2 dB un fāzes robežu līdz 15 grādiem. Aviācijā parasti tiek noteikta vismaz 6 dB pastiprinājuma robeža un 45 grādu fāzes rezerve; jo reālos lidaparātos šo rezervi veido sensoru troksnis, izpildmehānisma aizkave un modelēšanas kļūdas. Kontrolieris, kas neatstāj pietiekami daudz vietas, var šķist ideāls simulācijā, bet faktiski var novirzīties uz nestabilitāti (ierobežotu cikla svārstības vai novirzes).
Uzmanību: kontroliera “tīrā” reakcija simulācijā negarantē reālo pasauli. Simulācijā parasti tiek pieņemts ideāls izpildmehānisms, sensors bez aizkaves un pilns modelis. Stabilitātes robeža ir tieši jūsu buferis pret šīm novirzēm no idealitātes; Izrāde, kas to upurē, paliek uz papīra.
Autonomija un audzēkņu kontrole: robežas
Autonomās sistēmās mākslīgais intelekts tiek izmantots daudz dziļāk: mācīšanās politikas tiek izmantotas tādos uzdevumos kā maršruta plānošana, šķēršļu novēršana, piezemēšanās, ganāmpulka koordinācija. Mācību pastiprināšana var atrast labu uzvedības politiku, veicot miljoniem izmēģinājumu simulācijas vidē. Tomēr mācību kontrolei aviācijā ir divas galvenās problēmas: izskaidrojamība un pārliecība. Kāpēc neironu tīkla politika rada uzdevumus, ko nevar viegli attaisnot, un nevar matemātiski garantēt, ka tā darbojas droši visā ievades telpā.
Tāpēc praktiskā arhitektūra parasti ir slāņaina: uz ārējo slāni (plānošana, ieteikums) darbojas mācību komponents, bet apakšējā slānī ir klasisks, analizējams un pārbaudāms "drošības aploksne" jeb drošības monitors. Šis kontrolieris filtrē mācību slāņa komandas ar lidojuma aploksni un drošības noteikumiem; Ja tas redz robežu pārkāpumu, tas pāriet uz drošu uzvedību. Tādā veidā AI radošums tiek apvienots ar klasiskās kontroles pārliecību.
Pieeja
Priekšrocība
Robeža aviācijā
PID / klasika
Var analizēt, pierādīt stabilitāti
Nepiemērots ļoti sarežģītiem uzdevumiem
Modeļa paredzamā vadība (MPC)
Skaidri pievēršas ierobežojumiem
Aprēķinu slodze, modeļa atkarība
pastiprināšanas mācības
Spēcīga politika sarežģītā uzdevumā
Garantija/izskaidrojamība ir vāja, sim-truth atšķirība
Slāņains (izglītojamais + drošības aploksne)
Radošums + pārliecība
Aplokšņu dizaina un pārbaudes izmaksas
Padoms. Novērtējot mācību politiku, jautājiet par "sliktāko uzvedību", nevis "vidējo veiktspēju". Ja RL aģents izceļas 9990 no 10 000 scenārijiem un lidmašīnu izrauj no aploksnes 10, šie 10 scenāriji aviācijā ir nepieņemami. Drošību mēra pēc sliktākā gadījuma, nevis vidējā.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Nodrošiniet labu PID pieaugumu šim dronam.
Spēcīga uzvedne:
Loma: Jūs esat lidojumu vadības sistēmu inženieris; atbilst drošībai kritiskajai disciplīnai.Konteksts (attēlojums): Linearizēts modelis [pārsūtīšanas funkcija vai masas/vilces dati] maza daudzkoptera augstuma ciklam.Uzdevums:1) Piedāvājiet PID sākotnējo pastiprinājuma kopu un izskaidrojiet atlases loģiku.2) Uzrakstiet Python (python-control) skriptu, kas aprēķina ar šīm pastiprinājuma robežām3 mērķa pastiprinājuma rezervi un fāzi. aviācija (>=6 dB, >=45°); Kā pielāgot pieaugumu, ja rezerve nav pietiekama? Ierobežojums: atgādiniet man, ka izpildmehānisma aizkave un sensora troksnis iznīcinās rezervi; Nesakiet "tieši labākais", uzsveriet verifikācijas nepieciešamību simulācijā un aparatūrā.
Kopējamas uzvedņu veidnes
1. veidne — stabilitātes rezerves aprēķina skripts:
Ar python-vadību šādai atvērtās cilpas pārsūtīšanas funkcijai: (a) Uzzīmējiet ķermeņa diagrammu; b) skaitliski aprēķina pastiprinājuma rezervi un fāzes rezervi; c) rada izvadi, salīdzinot tos ar aviācijas mērķiem (>=6 dB, >=45°). Lai kods tiek komentēts; Paskaidrojiet, ko veic katrs solis. Pārsūtīšanas funkcija: [num/den]
2. veidne — lidojuma aploksnes ierobežojuma kontrollera dizains:
Palīdziet man izveidot drošības monitora loģiku autonomam gaisa kuģim: plānotāja komanda iekāpšanas brīdī, ierobežojumi [ātrums, augstums, slodzes koeficients, leņķa ierobežojumi]. Kā kontrolierim jāfiltrē komanda, uz kādu drošu darbību tai jāpārslēdzas limita pārkāpuma gadījumā? Ierakstiet to pseidokodā un pamatojiet katru lēmumu.
3. veidne — LR politikas novērtēšanas plāns:
Pirms pastiprinošas apmācības politikas ieviešanas aviācijā, izveidojiet novērtēšanas plānu: (a) kādi malas un sliktākā gadījuma scenāriji man jāpārbauda; (b) kā izmērīt sim-to-realgap; (c) kā es ziņoju par sliktākā gadījuma drošību, nevis vidējo; d) tādā gadījumā ir jāaktivizē drošības kontrolieris. Lai rezultāts būtu kontrolsaraksts.
4. veidne — atteices režīms un droša analīze:
Uzskaitiet atteices režīmus šādai vadības sistēmai [sensori, izpildmehānismi, uzskaites vienība] un iesakiet katrai darbībai drošu darbību: sensora kļūme, izpildmehānisma aizķeršanās, uzskaites aizkave, sakaru zudums. Katrai kļūmei uzrakstiet noteikšanas metodi un droša stāvokļa pārejas stratēģiju. Konkrēti atzīmējiet vienu atteices punktu.
Mini futrāļi
1. gadījums — agresīva dividenžu ēšana. Komanda saņem agresīvu pastiprinājuma komplektu no AI par UAV sitiena ciklu; Simulācijas pieauguma laiks ir iespaidīgs 0,4 s. Aprēķinot AI ieteikto rezervi, pastiprinājuma rezerve ir 3,2 dB un fāzes robeža ir 22 grādi; zem aviācijas mērķiem (6 dB, 45°). Faktiskā lidojumā, pievienojot 50 ms izpildmehānisma aizkavi, sistēmas ierobežojuma cikls svārstās. Pastiprinājums tiek samazināts par 40%, un daļa tiek piesaistīta mērķim, pieauguma laiks palielinās līdz 0,7 s, bet sistēma joprojām ir izturīga. Nodarbība: līdzsvarot sniegumu ar akciju; Simulācija negarantē realitāti.
2. gadījums — slāņveida arhitektūra saglabā plakni. RL politika, kas apmācīta autonomai nolaišanai, ir veiksmīga 99,7% no 5000 simulētajām nosēšanās reizēm. Sliktākajā gadījumā pārbaudes komanda atklāj, ka 14 scenārijos, kad sānvējš pārsniedz noteiktu slieksni, politika novirza lidmašīnu no skrejceļa. Vienkārša drošības aploksne, kas novietota zem mācību slāņa, dod komandu sānvēja un novirzes ierobežojumu pārkāpuma gadījumā; Visi 14 scenāriji nodrošina drošu rezultātu. Nodarbība: mācību slānim jāpievieno klasiskais drošības tīkls.
3. gadījums — netiek ņemta vērā viena punkta kļūda. Vienā dizainā viens gaisa ātruma sensors nodrošina gan kontroles likumu, gan brīdināšanas sistēmu. AI atteices režīma analīze norāda, ka, ja šis sensors tiek bloķēts, vienlaikus tiks maldināta gan vadība, gan brīdinājums, t.i., viena punkta kļūme. Komanda pievieno otru neatkarīgu ātruma avotu (piemēram, uz GPS balstītu ātrumu vai otro punktu) un neatbilstības noteikšanu. Mācība: atkarība no viena drošībai svarīgas ievades avota ir ievainojamība, kas ir jāatklāj.
Biežas kļūdas
- Jauc veiktspēju ar stabilitāti. Ātra reakcija nenozīmē robustumu; Nepietiekama rezerve faktiski rada nestabilitāti.
- Simulācijas sajaukšana ar realitāti. Simulācija, pieņemot ideālu izpildmehānismu/sensoru, ignorē latentumu un troksni; Aparatūras pārbaude ir būtiska.
- Paļaujoties uz vidējo veiktspēju. Drošība tiek mērīta pēc sliktākā gadījuma; reti, bet bīstami scenāriji ir nepieņemami.
- Mācību politikas izmantošana bez uzraudzības. Neironu tīkls, kuru nevar garantēt, netiks palaists lidojumā bez klasiskās drošības aploksnes.
- Kļūdu režīmu apiešana. Ja viena punkta kļūmes un droša darbība tiek ņemta vērā projekta beigās, nevis sākumā, būs par vēlu.
Rezumējot
Lidojuma vadība ir joma, kurā kļūda ir tūlītēja un neatgriezeniska. Paātrina AI stabilitātes analīzi, kontroliera dizainu, simulācijas iestatīšanu un autonomijas politiku; Taču labs sniegums nenozīmē labu stabilitātes rezervi, un mācīšanās politika ir vāja garantijas/izskaidrojamības ziņā. Praktiskā drošība slēpjas slāņu arhitektūrā, kas apvieno mācību slāni ar klasisko drošības apvalku un katra kontroliera pārbaudi attiecībā uz lidojuma aploksni, stabilitātes rezervi, sliktāko gadījumu un atteices režīmu. Drošība tiek mērīta nevis pēc vidējā, bet gan pēc sliktākā gadījuma.
Lietojumprogrammas uzdevums
Definējiet reprezentatīvu modeli vienkāršai vadības problēmai (piemēram, daudzkopteru augstuma cilpa). Izmantojot AI, (a) izveidojiet sākotnējo pastiprinājuma kopu un stabilitātes rezervju aprēķina skriptu, pārbaudiet loģiku, (b) salīdziniet ar mērķa rezervēm un pielāgojiet, ja tās nav piemērotas, (c) izveidojiet sistēmas atteices režīmu un atteices sarakstu. Izveidojiet drošības aploksnes loģiku pseidokodā un uzrakstiet sliktākā gadījuma scenārijus.
kontrolsaraksts
- [ ] Es aprēķināju kontroliera pastiprinājumu un fāzes rezervi un salīdzināju to ar aviācijas mērķi.
- [ ] Es pārbaudīju simulācijas rezultātu pie izpildmehānisma aizkaves/sensora trokšņa.
- [ ] Es novērtēju sniegumu pēc sliktākā gadījuma uzvedības, nevis vidēji.
- [ ] Es definēju klasisko drošības aploksni mācību politikām.
- [ ] Esmu uzskaitījis atteices režīmus un darbības, kas ir drošas pret kļūmēm.
- [ ] Es atzīmēju viena punkta kļūdas un pievienoju neatkarību.