Bagaimana Burung Melambung? Peneliti Mengembangkan Glider Autonomous AI untuk Mengetahui

Burung telah lama mengilhami manusia untuk menciptakan cara terbang mereka sendiri. Kita tahu bahwa melonjaknya spesies burung yang bermigrasi jarak jauh menggunakan updraft termal untuk tetap berada di udara tanpa menghabiskan energi mengepakkan sayapnya. Dan pilot glider juga menggunakan arus termal dan area lain dari naiknya udara agar tetap berada di udara lebih lama.

Namun, sementara kami telah menguasai meluncur melalui pembaruan ini menggunakan berbagai instrumen, mekanisme pasti yang memungkinkan burung melambung masih belum diketahui. Tetapi tim peneliti dari California dan Italia telah membuat beberapa langkah jitu untuk menjawab pertanyaan ini menggunakan kecerdasan buatan (A.I.). Dan itu bisa mengarah pada perkembangan baru dalam sistem navigasi untuk pesawat, dengan implikasi khusus untuk membuat drone yang dapat tetap berada di udara untuk jangka waktu yang sangat lama.

Tujuan dari penelitian ini, diterbitkan di Alam, adalah untuk melatih peluncur sayap kecil dua meter bersayap otonom untuk terbang dalam termal, seperti burung sungguhan. Glider diprogram dengan sejenis A.I. dikenal sebagai pembelajaran mesin yang memungkinkannya mengetahui cara menggunakan arus udara agar tetap di udara lebih lama.

Lihat juga: Drone Diprogram untuk Berbondong-bondong Seperti Burung dalam Studi Terobosan Baru

Pembelajaran mesin adalah pendekatan alternatif untuk pemrograman komputer untuk melakukan tugas yang kompleks. Daripada memberi makan komputer (atau glider otonom dalam kasus ini) seperangkat instruksi yang memberi tahu cara melakukan sesuatu, Anda memberi tahu komputer bagaimana Anda ingin komputer merespons dan memberi hadiah saat komputer melakukan hal yang benar.

Seiring waktu, ia akan belajar hal-hal apa yang dihargai dan cenderung melakukan perilaku ini sebagai gantinya. Teknik ini adalah bagaimana program komputer seperti Google AlphaGo dapat belajar memainkan permainan papan Go dan kemudian mengalahkan pemain profesional, suatu hal yang tidak mungkin dilakukan dengan teknik pemrograman konvensional.

Jenis pembelajaran mesin ini disebut reinforcement learning, dan ini bergantung pada sejumlah besar data input yang dimasukkan ke komputer agar dapat mempelajari tindakan apa yang akan memberinya hadiah. Untuk para peneliti yang memprogram glider otonom, data input terdiri dari instrumen khusus yang mampu membaca perubahan kekuatan angin ke atas (vertikal). Instrumen mampu menentukan perubahan ini sepanjang panjang glider (longitudinal) dan dari satu ujung sayap ke ujung lainnya (lateral). Sensor mampu melakukan pengukuran ini sepuluh kali setiap detik.

Data ini kemudian digunakan untuk melakukan penyesuaian penerbangan terhadap apa yang dikenal sebagai sudut tepi luncur. Sebuah pesawat terbang yang seimbang dengan tingkat sayapnya memiliki sudut tepi nol dan akan terbang dalam garis lurus. Memiringkan sayap dan meningkatkan sudut tepi akan membuat pesawat berputar. Dalam studi tersebut, glider dihargai jika perubahan kecepatan angin ke atas di sepanjang jalur penerbangannya meningkat. Dengan kata lain, jika glider itu terbang ke atas.

Pembaruan adalah kunci untuk meningkatkan jumlah waktu yang bisa dilayang oleh peluncur di udara. Tidak seperti pesawat bertenaga, glider yang tidak dapat menemukan updraft secara bertahap akan jatuh ke tanah. Apakah glider jatuh atau naik tergantung langsung pada seberapa banyak udara bergerak ke atas di sekitarnya. Dalam updraft, peningkatan gerakan udara vertikal bisa cukup untuk menghentikan penurunan glider dan, jika angin vertikal cukup kuat, biarkan ia naik.

Selama beberapa penerbangan (totalnya sekitar 16 jam terbang), glider studi belajar terbang dengan melatih dirinya sendiri di bawah kombinasi input tertentu (sudut bank, perubahan longitudinal dan lateral, kecepatan angin vertikal) untuk memutuskan apa yang harus dilakukan. perubahan sudut bank berikutnya seharusnya. Hasilnya adalah bahwa pada akhir semua terbang itu, pesawat itu telah belajar sendiri cara terbang ke pesawat terbang, memungkinkannya tetap di udara lebih lama.

Sebagai bonus, para peneliti menggunakan model numerik untuk menunjukkan bahwa pendekatan ini akan lebih menguntungkan glider yang lebih besar, karena lebar sayap yang lebih panjang akan memberikan pengukuran yang lebih akurat dari perubahan kecepatan angin ke atas dari satu ujung sayap ke ujung sayap yang lain.

Membuat Pesawat Lebih Cerdas

Hasilnya menimbulkan pertanyaan tentang apa kemungkinan glider otonom futuristik yang bisa kita lihat meluncur di sekitar dan untuk apa mereka akan digunakan. Insinyur di MIT baru-baru ini mengambil inspirasi dari aerodinamika elang laut yang mengendarai gelombang untuk merancang glider otonom.

Airbus telah mengembangkan peluncur bertenaga surya yang dapat tetap melayang di udara dalam waktu yang sangat lama sebagai alternatif dari satelit pengawasan atau komunikasi, misalnya, yang dapat menyiarkan sinyal internet ke lokasi-lokasi terpencil di darat. Microsoft dilaporkan sedang mengerjakan pesawat otonom dengan sistem navigasi kecerdasan buatan mutakhir.

Tetapi mungkin teknik yang dikembangkan dalam penelitian ini suatu hari nanti dapat mengarah pada generasi baru dari sistem navigasi "pintar" dan autopilot untuk pesawat konvensional. Ini dapat menggunakan data yang dikumpulkan selama ribuan jam waktu terbang untuk membuat keputusan tentang cara paling efisien untuk berkeliling. Ini akan bergantung pada sensor yang akurat dan pengembangan lebih lanjut yang akan memungkinkan pesawat untuk mengidentifikasi dan kemudian melompat dari satu thermal updraft ke yang lain. Saat ini, metode ini hanya memungkinkan meluncur di dalam termal tunggal.

Metode dan teknik pemrograman yang dikembangkan oleh para peneliti tidak diragukan lagi akan membawa kita selangkah lebih dekat ke tujuan kendaraan terbang otonom dengan waktu terbang berhari-hari, berminggu-minggu atau berbulan-bulan melakukan tugas-tugas ini. Tetapi penggunaan penguatan pembelajaran yang sekali lagi menunjukkan betapa fleksibelnya algoritma ini di beradaptasi dengan berbagai tugas yang kompleks, dari mengendalikan glider hingga mengalahkan manusia di Go.

Artikel ini awalnya diterbitkan di The Conversation oleh Nicholas Martin. Baca artikel asli di sini.