MIT 的研究人員開發了一種基於機器學習的自適應控制算法，旨在幫助自動無人機減少突發風速帶來的不可預測影響。隨著社會對無人機在緊急救援和重要物資配送等方面的依賴日益增加，無人機在多風環境中較小的體型使其更容易偏離航線。
這一新控制系統的人工智能模型能夠從 15 分鐘的飛行時間中收集的少量觀察數據中學習所需的所有信息。MIT 團隊使用了一種稱為元學習的技術，使系統能夠根據周圍的氣候條件和擾動自動選擇最佳的優化算法。
根據 MIT News 的報導，這種自適應控制系統在模擬中實現了比基準方法低 50% 的航跡跟踪誤差，並且在遇到訓練時未見過的新風速時表現更佳。這一系統有助於無人機更高效地運送重物，並能在強風中監控環境。
Navid Azizan，該控制系統論文的主要作者表示：「這些組件的同時學習賦予了我們的方法力量。通過利用元學習，我們的控制器能自動做出最適合快速適應的選擇。」
許多無人機控制系統使用一種稱為梯度下降的優化算法，該算法用於估算未知數據，以儘量保持無人機的航跡。梯度下降屬於一個更大的算法家族，稱為鏡像下降。Azizan 解釋道：「鏡像下降是一個通用的算法家族，對於任何給定的問題，某些算法可能比其他算法更適合。我們的方法自動化了這一選擇。」
最終，這一算法使無人機能夠不斷重新計算應該使用多少推力來抵消強風的影響。研究人員在模擬和實驗中顯示，他們的方法顯著減少了航跡跟踪誤差。
該團隊將繼續改進其系統，旨在增強其應對多種擾動的能力。例如，突發的運動可能會導致包裹在飛行中移動，特別是當包裹內含液體時。團隊還希望探索持續學習，這將使系統能在不重新訓練的情況下適應新擾動。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
