MIT desarrolla un enfoque más simple para aprender a controlar un dron

Investigadores del MIT y la Universidad de Stanford han desarrollado un revolucionario enfoque de aprendizaje automático que promete mejoras significativas en el control de robots en entornos desafiantes y cambiantes. Esta técnica avanzada tiene el potencial de revolucionar cómo los vehículos autónomos, como drones, se adaptan y responden a condiciones imprevistas.

Aplicaciones Prácticas

Imagina un dron que puede seguir de cerca a un esquiador en una montaña, a pesar de enfrentar ráfagas de viento. O un vehículo autónomo que, al detectar una carretera resbaladiza, ajusta automáticamente su comportamiento para evitar derrapar. Estas son solo algunas de las aplicaciones prácticas que este nuevo enfoque podría habilitar.

Un Enfoque Innovador

El corazón de esta innovación radica en combinar la teoría de control con el aprendizaje automático. "El enfoque de nuestro trabajo es aprender la estructura intrínseca en la dinámica del sistema que se puede aprovechar para diseñar controladores estabilizadores más efectivos", dice Navid Azizan, profesor asistente en el MIT. "Al aprender conjuntamente la dinámica del sistema y estas estructuras únicas orientadas al control a partir de los datos, podemos crear controladores que funcionan de manera mucho más efectiva en el mundo real".

Spencer M. Richards, estudiante de posgrado en la Universidad de Stanford y autor principal del estudio, añade: "Este trabajo trata de lograr un equilibrio entre la identificación de la estructura en su sistema y simplemente aprender un modelo a partir de los datos. Nuestro enfoque está inspirado en cómo los robóticos usan la física para derivar modelos más simples para robots."

Aprendiendo a Controlar

Determinar cómo controlar un robot, como un dron, para realizar tareas específicas es un desafío. Un controlador es la lógica que permite que un dron siga una trayectoria deseada. Sin embargo, cuando los sistemas son complejos, modelarlos manualmente se vuelve difícil. Aquí es donde el aprendizaje automático se convierte en una herramienta valiosa, permitiendo a los investigadores ajustar modelos basados en datos reales y asegurando que los controladores funcionen de manera óptima.

Reconocimientos

El equipo de investigación también incluye a Jean-Jacques Slotine, profesor en el MIT, y Marco Pavone, profesor en Stanford. Los hallazgos serán presentados en la próxima Conferencia Internacional sobre Aprendizaje Automático (ICML).

Referencia de la revista :

1. Spencer M. Richards, Jean-Jacques Slotine, Navid Azizan, Marco Pavone. Aprendizaje de estructura dinámica orientada al control a partir de datos . Enviado a arXiv , 2023 DOI: 10.48550/arXiv.2302.02529