[Машинное обучение, Робототехника, Искусственный интеллект, Транспорт] Армия США хочет управлять роем беспилотников для достижения превосходства в бою
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Армейская исследовательская лаборатория США (ARL) рассказала о попытках разработки алгоритма, который позволит военным управлять крупными скоплениями дронов в реальном времени. Армия США надеется, что это поможет ей добиться превосходства на поле боя. Кроме того, метод может быть полезен в разведке или при защите важных военных и гражданских объектов. «Поиск оптимального способа наведения в режиме реального времени для этих машин — это ключевое требование для повышения тактической ситуационной осведомленности бойцов. Это позволит армии США доминировать в сложной обстановке», — считает Джемин Джордж, сотрудник Командования по развитию боевых возможностей США. Джемин Джордж и его коллеги разработали метод управления большими скоплениями дронов на основе иерархического обучения с подкреплением (HRL). Как указывает издание The Register, скопление обученных беспилотных аппаратов можно будет отправлять в определенные области, снабдив их набором инструкций. При этом «стая» дронов будет автоматически поддерживать «строй» и выполнять приказы. Таким образом, диспетчерам-людям не придется беспокоиться об отдельных дронах и наземных транспортных средствах — достаточно будет указать группе роботов определённое место на карте. Машины, как команда, отправятся туда, куда им прикажут, и будут работать вместе как одна боевая единица. 
«Использование иерархического обучения с подкреплением позволит нам контролировать скопления беспилотных летательных и наземных транспортных средств, чтобы они могли оптимально выполнять различные виды миссий», — указал Джемин Джордж. Сотрудники лаборатории надеются, что в будущем автономные наземные роботы и летающие дроны смогут без вмешательства человека работать вместе и исследовать землю и небо. «Скопления роботов могут использоваться для постоянного наблюдения и разведки в густонаселенной городской местности, а также для защиты периметра военной базы или ценных активов», — отметил эксперт. Обучение с подкреплением представляет собой один из способов машинного обучения, в ходе которого ИИ обучается, взаимодействуя со средой. Иерархическое обучение с подкреплением позволяет ИИ использовать не только элементарные действия, но и подпоследовательности, выученные ранее, при работе с предыдущей задачей. «У каждого агента свой собственный цикл обучения с соответствующим вознаграждением. Мы смогли значительно сократить время обучения, запустив эти циклы обучения параллельно», — заявил Джемин Джордж. В лаборатории отмечают, что рассчитывают при помощи нового алгоритма управлять скоплениями от десятков до сотен машин. Однако пока что команда испытала свой метод только на четырёх квадрокоптерах в пределах одного помещения, и применять алгоритм в условиях реального боя ещё рано. «Прежде чем алгоритм можно будет применить в реальных условиях, необходимы обширные испытания в смоделированной и в настоящей среде с использованием физических ресурсов», - заключил Джемин Джордж.Новый метод подробно описан в статье на arXiv.
===========
Источник:
habr.com
===========
Похожие новости:
- [Алгоритмы, Машинное обучение] Машинный анализатор. Часть 1. Волновые нейроны
- [Машинное обучение, Искусственный интеллект, Звук] ИИ-шумовик генерирует звуки не хуже профессионала-человека
- [Искусственный интеллект, Здоровье, Химия] ИИ привлекли к поиску препаратов от COVID-19
- [Информационная безопасность, Робототехника, Будущее здесь] «Скайнет» близко: роботы Switch SENTRY будут охранять дата-центры
- [Обработка изображений, Управление проектами, Робототехника] Наша огромная гордость: мирные советские роботы-комбайны убрали первый урожай в южных регионах
- [Разработка под Android, Обработка изображений, Машинное обучение, DIY или Сделай сам] Как с помощью HUAWEI ML Kit самостоятельно создать апплет для фото на документы
- [Управление проектами, Управление продуктом, Искусственный интеллект] Разработка AI-продукта на основе машинного зрения. Промежуточная ретроспектива: мысли, боль, страдания
- [IT-стандарты, Бизнес-модели, Искусственный интеллект, IT-компании] Astra Linux — на хромой лошади экономику не объедешь
- [Облачные сервисы, Искусственный интеллект, Видеотехника, Будущее здесь] Нейронные сети в реальности
- [Машинное обучение, Искусственный интеллект] Обманываем нейросети при помощи шума (перевод)
Теги для поиска: #_mashinnoe_obuchenie (Машинное обучение), #_robototehnika (Робототехника), #_iskusstvennyj_intellekt (Искусственный интеллект), #_transport (Транспорт), #_mashinnoe_obuchenie (машинное обучение), #_drony (дроны), #_bespilotnye_letatelnye_apparaty (беспилотные летательные аппараты), #_roboty (роботы), #_mashinnoe_obuchenie (
Машинное обучение
), #_robototehnika (
Робототехника
), #_iskusstvennyj_intellekt (
Искусственный интеллект
), #_transport (
Транспорт
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 22-Ноя 12:16
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
|
Армейская исследовательская лаборатория США (ARL) рассказала о попытках разработки алгоритма, который позволит военным управлять крупными скоплениями дронов в реальном времени. Армия США надеется, что это поможет ей добиться превосходства на поле боя. Кроме того, метод может быть полезен в разведке или при защите важных военных и гражданских объектов. «Поиск оптимального способа наведения в режиме реального времени для этих машин — это ключевое требование для повышения тактической ситуационной осведомленности бойцов. Это позволит армии США доминировать в сложной обстановке», — считает Джемин Джордж, сотрудник Командования по развитию боевых возможностей США. Джемин Джордж и его коллеги разработали метод управления большими скоплениями дронов на основе иерархического обучения с подкреплением (HRL). Как указывает издание The Register, скопление обученных беспилотных аппаратов можно будет отправлять в определенные области, снабдив их набором инструкций. При этом «стая» дронов будет автоматически поддерживать «строй» и выполнять приказы. Таким образом, диспетчерам-людям не придется беспокоиться об отдельных дронах и наземных транспортных средствах — достаточно будет указать группе роботов определённое место на карте. Машины, как команда, отправятся туда, куда им прикажут, и будут работать вместе как одна боевая единица.  «Использование иерархического обучения с подкреплением позволит нам контролировать скопления беспилотных летательных и наземных транспортных средств, чтобы они могли оптимально выполнять различные виды миссий», — указал Джемин Джордж. Сотрудники лаборатории надеются, что в будущем автономные наземные роботы и летающие дроны смогут без вмешательства человека работать вместе и исследовать землю и небо. «Скопления роботов могут использоваться для постоянного наблюдения и разведки в густонаселенной городской местности, а также для защиты периметра военной базы или ценных активов», — отметил эксперт. Обучение с подкреплением представляет собой один из способов машинного обучения, в ходе которого ИИ обучается, взаимодействуя со средой. Иерархическое обучение с подкреплением позволяет ИИ использовать не только элементарные действия, но и подпоследовательности, выученные ранее, при работе с предыдущей задачей. «У каждого агента свой собственный цикл обучения с соответствующим вознаграждением. Мы смогли значительно сократить время обучения, запустив эти циклы обучения параллельно», — заявил Джемин Джордж. В лаборатории отмечают, что рассчитывают при помощи нового алгоритма управлять скоплениями от десятков до сотен машин. Однако пока что команда испытала свой метод только на четырёх квадрокоптерах в пределах одного помещения, и применять алгоритм в условиях реального боя ещё рано. «Прежде чем алгоритм можно будет применить в реальных условиях, необходимы обширные испытания в смоделированной и в настоящей среде с использованием физических ресурсов», - заключил Джемин Джордж.Новый метод подробно описан в статье на arXiv. =========== Источник: habr.com =========== Похожие новости:
Машинное обучение ), #_robototehnika ( Робототехника ), #_iskusstvennyj_intellekt ( Искусственный интеллект ), #_transport ( Транспорт ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 22-Ноя 12:16
Часовой пояс: UTC + 5