Добици:
- Схватите улогу и ограничења АИ у законима контроле лета, анализи стабилности и архитектури аутономног система
- Способност да се на примерима објасни како се учење уз помоћ и контрола заснована на моделу користе у аутономији ваздухопловства
- Способност верификације контролних излаза у смислу омотача лета, маргине стабилности и безбедног понашања
Авион не лети сам право у ваздуху; Стално поново успоставља равнотежу која је стално нарушена. Динамика лета је наука о овој равнотежи: проучава како се авион креће под силама и моментима, да ли се опоравља од удара ветра (стабилност) и како реагује на команде пилота или компјутера. Контролни систем је мозак који савија ову динамику у жељено понашање: закони контроле лета (алгоритми који узимају мерења сензора и генеришу команде контролним површинама) држе авион стабилним и управљивим у сваком тренутку.
Вештачка интелигенција (АИ) игра улогу у овој области, како на страни класичног инжењеринга тако и на страни аутономије. Са класичне стране, убрзава анализу стабилности, дизајн контролера и подешавање симулације. На страни аутономије, методе као што је учење уз помоћ (понашање агента за учење засновано на сигналу награде кроз покушаје и грешке) производе политике у сложеним задацима. Али контрола лета је поље где је грешка тренутна и неповратна: нестабилан закон контроле може да изгуби авион за неколико секунди. Због тога се у ваздухоплов не стављају никакве контроле или политике које генерише вештачка интелигенција, а да нису потврђене у смислу омотача лета, маргине стабилности и понашања безбедног од квара.
Концепти: Обим лета: ограничења фактора брзине-висине-оптерећења на којима авион може безбедно да лети. Маргина стабилности: маргина појачања и маргина фазе; Мера колико је контролна петља удаљена од нестабилности. Безбедност: Систем улази у безбедно стање када компонента откаже. ПИД: пропорционално-интегрално-деривативно; Најчешћа класична структура контролера.
Стабилност, закон контроле и улога вештачке интелигенције
Основа дизајна управљања је разумевање динамике отворене петље и довођење затворене петље до жељеног понашања. Инжењер линеаризује једначине кретања авиона, изводи функције преноса и дизајнира контролер (нпр. са ПИД или повратном спрегом стања). АИ опозива алгебарске међукораке у овом процесу, помаже у тумачењу коренског локуса, пише скрипте са МАТЛАБ/Питхон контролним библиотекама и производи код који израчунава маргине стабилности скупа исплате.
Критична тачка је следећа: добре перформансе не значе добру маргину стабилности. Агресивни скуп појачања који је предложила АИ можда је дао веома брз и оштар одговор у симулацији, али је можда смањио маргину појачања на 2 дБ и маргину фазе на 15 степени. У ваздухопловству се обично циља минимална маргина појачања од 6 дБ и маргина фазе од 45 степени; јер у стварним авионима, шум сензора, кашњење актуатора и грешке у моделирању чине ову маргину. Контролер који не оставља довољно простора за главу може изгледати савршено у симулацији, али може у ствари да оде у нестабилност (гранични циклус осцилација или дивергенција).
Опрез: „Чист“ одговор контролора у симулацији није гаранција за стварни свет. Симулација генерално претпоставља идеалан актуатор, сензор без кашњења и потпуни модел. Граница стабилности је управо ваш тампон против ових одступања од идеалности; Представа која га жртвује остаје на папиру.
Аутономија и контрола ученика: границе
У аутономним системима, АИ улази дубље у игру: политике учења се користе у задацима као што су планирање руте, избегавање препрека, слетање, координација стада. Учење са појачањем може пронаћи добру политику понашања извођењем милиона покушаја у окружењу симулације. Међутим, контрола учења има два главна изазова у ваздухопловству: објашњивост и сигурност. Зашто политика неуронске мреже има проблема са том командом, не може се лако оправдати и не може се математички гарантовати да ће се понашати безбедно у читавом улазном простору.
Зато је практична архитектура обично слојевита: компонента учења ради на спољашњем слоју (планирање, препорука), али на доњем слоју постоји класична, анализирана и проверљива „безбедносна коверта“ или безбедносни монитор. Овај контролер филтрира команде слоја за учење помоћу омотача лета и безбедносних правила; Ако види кршење границе, прелази на безбедно понашање. Овако се комбинује креативност АИ са гаранцијом класичне контроле.
Приступ
Предност
Граница у авијацији
ПИД / класик
Може се анализирати, стабилност доказана
Неадекватно за веома сложене задатке
Предиктивна контрола модела (МПЦ)
Јасно се бави ограничењима
Рачунарско оптерећење, зависност модела
учење поткрепљења
Снажна политика у сложеном задатку
Гаранција/објашњивост је слаба, јаз у сим-истини
Слојевито (ученик + безбедносна коверта)
Креативност + сигурност
Дизајн коверте и трошкови верификације
Савет: Када процењујете политику учења, питајте о „најгорем понашању“, а не о „просечном учинку“. Ако РЛ агент буде одличан у 9.990 од 10.000 сценарија и извуче авион из коверте у 10, тих 10 сценарија је неприхватљиво у авијацији. Безбедност се мери најгорим случајем, а не просеком.
Слаби промпт / Јаки промпт
Слабо обавештење:
Дајте добар ПИД добитак за овај дрон.
Снажан упит:
Улога: Ви сте инжењер система контроле лета; придржавајте се дисциплине која је критична за безбедност.Контекст (репрезентација): Линеаризовани модел [функција преноса или подаци о маси/потиску] за циклус висине малог мултикоптера.Задатак:1) Предложите ПИД почетни скуп појачања и објасните логику избора.2) Напишите Питхон (питхон-цонтрол) скрипту која израчунава маргину за ову фазу са маргином циљане маргине. ваздухопловство (>=6 дБ, >=45°); Како да прилагодим добит ако је маргина недовољна? Ограничење: Подсетите ме да ће кашњење актуатора и шум сензора појести маргину; Немојте рећи „баш најбоље“, нагласите потребу за верификацијом у симулацији и хардверу.
Шаблони упита који се могу копирати
Шаблон 1 — Скрипта за израчунавање маргине стабилности:
Са питхон-контролом за следећу функцију преноса отворене петље: (а) Нацртајте дијаграм тела; (б) нумерички израчунати маргину појачања и маргину фазе; (ц) произвести излаз у поређењу са циљевима авијације (>=6 дБ, >=45°). Нека код буде коментарисан; Објасните шта ради сваки корак. Функција преноса: [нум/ден]
Шаблон 2 — Дизајн контролера ограничења омотача лета:
Помозите ми да дизајнирам логику сигурносног надзора за аутономни авион: команда планера при уласку, ограничења [брзина, висина, фактор оптерећења, ограничења нагиба]. Како контролер треба да филтрира команду, на које безбедно понашање треба да се пребаци у случају кршења ограничења? Напишите ово у псеудокоду и наведите разлоге за сваку одлуку.
Шаблон 3 — План евалуације политике РЛ:
Пре него што примените политику учења за појачавање у ваздухопловству, успоставите план евалуације: (а) које крајње и најгоре сценарије треба да тестирам; (б) како да мерим сим-то-реал гап; (ц) како извештавам о најгорем случају безбедности, а не просечној; (д) у ком случају треба активирати сигурносни контролер. Нека резултат буде контролна листа.
Шаблон 4 — Режим квара и безбедна анализа:
Наведите начине квара за следећи систем управљања [сензори, актуатори, обрачунска јединица] и предложите безбедно понашање за сваки: квар сензора, заглављивање актуатора, кашњење у обрачуну, губитак комуникације. Напишите метод детекције и стратегију транзиције безбедног стања за сваки квар. Посебно означите једну тачку квара.
Мини Цасес
Случај 1 — Агресивно једење дивиденди. Тим добија агресиван скуп појачања од АИ за циклус хода УАВ-а; Време пораста у симулацији је импресивно на 0,4 с. Када се израчуна маргина коју препоручује АИ, маргина појачања је 3,2 дБ, а маргина фазе је 22 степена; испод циљева авијације (6 дБ, 45°). У стварном лету, када се дода кашњење актуатора од 50 мс, циклус ограничења система осцилира. Добитак је смањен за 40% и удео је повучен до циља, време пораста се повећава на 0,7 с, али систем остаје робустан. Лекција: баланс перформанси са уделом; Симулација не гарантује стварност.
Случај 2 — Слојевита архитектура чува авион. РЛ политика обучена за аутономно слетање је успешна у 99,7% од 5000 симулираних слетања. У најгорем случају, тестни тим открива да у 14 сценарија где бочни ветар премашује одређени праг, политика усмерава авион ван писте. Једноставан безбедносни омотач постављен испод слоја за учење даје команду за заобилажење у случају бочног ветра и кршења границе одступања; Свих 14 сценарија резултирају безбедно. Поука: слој за учење мора бити праћен класичном сигурносном мрежом.
Случај 3 — Грешка једне тачке је занемарена. У једном дизајну, један сензор брзине ваздуха храни и закон контроле и систем упозорења. Анализа режима квара АИ означава да ако је овај сензор блокиран, и контрола и упозорење ће бити истовремено преварени, тј. грешка у једној тачки. Тим додаје други независни извор брзине (нпр. брзина заснована на ГПС-у или други питот) и детекцију неслагања. Поука: зависност од једног извора безбедносно критичног уноса је рањивост која мора бити откривена.
Уобичајене грешке
- Бркање перформанси са стабилношћу. Брз одговор не значи робусност; Недовољна маргина заправо производи нестабилност.
- Грешка симулације за стварност. Симулација под претпоставком да је идеалан актуатор/сензор игнорише кашњење и шум; Верификација у хардверу је неопходна.
- Ослањајући се на просечне перформансе. Безбедност се мери најгорим случајем; ретки али опасни сценарији су неприхватљиви.
- Коришћење политике учења без надзора. Неуронска мрежа за коју се не може гарантовати неће бити пуштена у лет без класичног сигурносног омотача.
- Заобилажење режима квара. Ако се кварови у једној тачки и безбедно понашање узму у обзир на крају дизајна, а не на почетку, биће прекасно.
Укратко
Контрола лета је област у којој је грешка тренутна и неповратна. Убрзава анализу стабилности АИ, дизајн контролера, подешавање симулације и политике аутономије; Али добар учинак не значи добру маргину стабилности, а политике учења су слабе у смислу гаранције/објашњивости. Практична безбедност лежи у слојевитој архитектури која комбинује слој за учење са класичним безбедносним омотачем и верификацијом сваког контролера у смислу омотача лета, маргине стабилности, најгорег случаја и режима квара. Безбедност се не мери просеком, већ најгорим случајем.
Задатак апликације
Дефинишите репрезентативни модел за једноставан контролни проблем (нпр. вишекоптерска висинска петља). Користећи АИ, (а) израдите почетни скуп појачања и скрипту за израчунавање маргине стабилности, проверите логику, (б) упоредите са циљним маргинама и прилагодите ако нису адекватни, (ц) направите режим квара и безбедну листу за систем. Дизајнирајте логику сигурносне коверте у псеудокоду и напишите најгоре сценарије.
контролна листа
- [ ] Израчунао сам појачање контролора и фазну маргину и упоредио га са метом авијације.
- [ ] Тестирао сам резултат симулације под кашњењем актуатора/шумом сензора.
- [ ] Процењивао сам учинак према понашању у најгорем случају, а не просечном.
- [ ] Дефинисао сам класичан безбедносни омотач за политике учења.
- [ ] Навео сам режиме квара и безбедна понашања.
- [ ] Означио сам грешке у једној тачки и додао независност.