Onderzoekers die autonome zwermende drones willen realiseren, hebben het collectieve gedrag van zwermende vogels en zwermende insecten bestudeerd, maar een nieuwe studie door een groep onderzoekers van ETH Zürich heeft het schoolgedrag van vissen gemodelleerd. Met behulp van diep versterkend leren, de groep bestudeerde hoe vissen energie putten uit waterstroming en turbulentie gecreëerd door hun eigen zwemmende klasgenoten, het verkrijgen van inzichten die kunnen leiden tot een laag energieverbruik, collectieve autonome dronezwermen. En ja, hoewel er veel coole praktische toepassingen zijn voor de particuliere sector en de industrie, militairen over de hele wereld zijn geïnteresseerd in het bouwen van vloten van autonoom zwermende drones. En ja, het is griezelig.

Visscholen formaties doorsnijden grotendeels onzichtbare stroomvelden die de mechanische energie van water omleiden, waarvoor vissen individueel en collectief moeten compenseren. Veranderingen in stroming worden veroorzaakt door getijden, water omleidde objecten uit het verleden, en de bewegingen van vissen zelf. meer dan millennia, vissen hebben zich aangepast, gevoelig worden voor deze veranderingen in mechanische energie en het vermogen ontwikkelen om energie uit stromingsvelden onder water te halen.

Dit omvat het oogsten van energie uit de stroomvelden die zijn gegenereerd door hun klasgenoten, wat leidt tot collectieve energiebesparingen, verwant aan autocoureurs die tekenen of slipstreamen in het kielzog van de voorste auto. Een groep onderzoekers van TKTK heeft een rapport gepubliceerd van hun in silico-onderzoek, "Efficiënt collectief zwemmen door wervelingen te benutten door middel van diepgaand leren, " in de Proceedings van de National Academy of Sciences .

Reinforcement learning is een gebied van machine learning dat is geïnspireerd op de gedragspsychologie. Het houdt zich in grote lijnen bezig met het bestaan ​​en de karakterisering van optimale oplossingen voor een probleem; het is een manier om softwareagenten te leren de beste oplossingen in een omgeving te vinden om een ​​beloning te behalen.

Inzicht in de omgeving waarin vissen navigeren, is de sleutel tot het begrijpen van scholingsgedrag. "Er zijn aanwijzingen dat hun zwemgedrag zich aanpast aan stroomgradiënten (rheotaxis) en in bepaalde gevallen, het weerspiegelt het oogsten van energie uit dergelijke omgevingen, ", schrijven de auteurs. "Hydrodynamische interacties zijn ook betrokken bij de scholenpatronen van vissen die zich vormen wanneer individuele vissen hun beweging aanpassen aan die van hun soortgenoten, terwijl het compenseren van door stroming veroorzaakte verplaatsingen."

Om te bewijzen of dit het geval is, het model combineerde versterkingsleren met directe numerieke simulaties van de marine-stookvergelijkingen voor twee zelfrijdende autonome zwemmers in tandem, een leidende en een volgende. In een model, de volger heeft interactie met het kielzog dat door de leider is gecreëerd; in de seconde, tot solitaire zwemmers die zich in afzondering in een onbegrensd domein bewogen. De autonoom interagerende vissen ontwikkelden een optimaal beleid voor efficiënt zwemmen; de eenzame zwemmers dienden als een controle om de afwezigheid van een leiderskielzog te beoordelen.

Door de energetische gegevens voor de interagerende vissen en de solitaire zwemmers te vergelijken, De onderzoekers stelden ook vast dat de zwemefficiëntie van de op elkaar inwerkende vissen significant hoger was, met een stijging van 11 procent van de gemiddelde snelheid, een toename van 32 procent in de gemiddelde zwemefficiëntie, een daling van 36 procent in een variabele die ze de "transportkosten, " een maat voor de energie die wordt besteed aan het afleggen van een eenheidsafstand.

© 2018 Tech Xplore