अज्ञात वातावरणों की स्वायत्त खोज में मल्टीरोटर ड्रोन एक मौलिक सीमा का सामना करते हैं: बैटरी। पारंपरिक एल्गोरिदम, जो कवरेज को अधिकतम करने या समय को न्यूनतम करने पर केंद्रित हैं, वे ट्रैजेक्टरी उत्पन्न करते हैं जो ऊर्जा को समय से पहले समाप्त कर देते हैं। शोधकर्ता अब एक नया फ्रेमवर्क, EAAE, प्रस्तावित कर रहे हैं, जो योजना में ऊर्जा प्रबंधन को स्पष्ट रूप से एकीकृत करता है, सबसे कुशल रूटों का चयन करने के लिए एक शक्ति पूर्वानुमान मॉडल का उपयोग करता है बिना खोज को समझौता किए।
मॉड्यूलर आर्किटेक्चर और ऊर्जा योजना के लिए सिमुलेशन 🧠
EAAE फ्रेमवर्क फ्रंटियर-आधारित खोज में एक अतिरिक्त परत के रूप में कार्य करता है। पहले, यह फ्रंटियर्स को सुसंगत क्षेत्रों में समूहित करता है और सबसे सूचनात्मक समूहों की ओर गतिशील रूप से व्यवहार्य ट्रैजेक्टरी उत्पन्न करता है। फिर, रोटर गति के आधार पर एक ऑफलाइन ऊर्जा अनुमान लूप, प्रत्येक उम्मीदवार के उपभोग की भविष्यवाणी करता है। अंतिम चयन ऊर्जा को न्यूनतम करता है जबकि प्रगति बनाए रखता है, एक डबल-लेयर आर्किटेक्चर के लिए धन्यवाद जो सुरक्षित निष्पादन सुनिश्चित करता है। इसकी वैधीकरण एक पूर्ण पाइपलाइन में बढ़ती जटिलता वाले 3D सिमुलेटेड वातावरणों में की जाती है, जो दूरी या जानकारी लाभ पर आधारित विधियों की तुलना में उपभोग में कमी प्रदर्शित करता है।
रोबोटिक विकास का आधार के रूप में 3D सिमुलेशन ⚙️
यह कार्य रोबोटिक्स में उन्नत सिमुलेशन की महत्वपूर्ण भूमिका को रेखांकित करता है। स्वायत्तता के जटिल एल्गोरिदम का परीक्षण, जो धारणा, ऊर्जा योजना और गतिशील नियंत्रण को संलयन करते हैं, आभासी 3D वातावरणों में एक अनिवार्य कदम है। यह तेजी से पुनरावृत्ति करने, चरम स्थितियों में प्रदर्शन का मूल्यांकन करने और भौतिक ड्रोन के साथ परीक्षण के जोखिमों और लागतों को वहन करने से पहले सिस्टम की मजबूती को सत्यापित करने की अनुमति देता है, जिससे वास्तव में स्वायत्त और कुशल रोबोटों का विकास तेज होता है।
ड्रोन के लिए ट्रैजेक्टरी योजना एल्गोरिदम अज्ञात वातावरणों में बैटरी समाप्त होने से पहले अधिकतम अन्वेषित क्षेत्र को अधिकतम करने के लिए वास्तविक समय में ऊर्जा उपभोग के पूर्वानुमान मॉडल को कैसे शामिल कर सकते हैं?
(पीडी: रोबोट सिमुलेट करना मजेदार है, जब तक वे आपके आदेशों का पालन न करने का फैसला न कर लें।)