Эту проблему попытались решить ученые из Исследовательской лаборатории Армии США и Техасского университета с помощью нового обучающего алгоритма и контроллера от игровой приставки. Об этом сообщает ScienceDaily.

«Адаптивный планировщик, изучающий параметры при демонстрации» (APPLD) сочетает традиционные навигационные системы с машинным обучением. В ходе испытаний армейский водитель, управляя дроном с помощью контроллера от Xbox, проезжал маршрут по пересеченной местности. Программа анализировала особенности того, как человек управляет машиной в трудных условиях, и сама вносила нужные корректировки в свои алгоритмы.

Например, APPLD научился у оператора, что при проезде узкого коридора надо снижать скорость и ехать аккуратно. После этого, попадая в коридоры другой конфигурации, дрон стал вовремя сбавлять скорость и в итоге проезжал препятствия быстрее, чем со старой системой. Более того, он стал проходить тестовый участок быстрее человека.

Сложный рельеф пока что представляет собой трудную задачу для автономных дронов. Там, где водитель быстро адаптируется к обстановке, автономная навигационная система ведет себя слишком негибко. APPLD и его аналоги могут дать возможность улучшить современные системы автономной навигации, считает армейский исследователь доктор Джонатан Финк. Это позволит существенно продвинуть вперед программу «Боевая машина следующего поколения». APPLD имеет и очевидное гражданское применение, позволяя создавать более эффективных роботов для различных сфер экономики.

Ранее сообщалось, что Великобритания и Франция в конце года начнут испытания новой роботизированной системы противоминной обороны, позволяющей проводить траление без участия людей. Новая система позволит вести траление на удалении 14-35 миль от корабля с экипажем, что делает процесс практически гарантированно безопасным.