Eugene создает искусственный интеллект для беспилотников нового поколения

Искусственный интеллект для беспилотников

Беспилотные системы в будущем смогут объединяться в “стаи дронов” и принимать решения в зависимости от развития обстановки, иными словами — обладать искусственным интеллектом. Кроме того, уже сегодня летающих, наземных и морских роботов, а также другие системы вооружения и технику можно испытать на новейшем виртуальном полигоне.

Об искусственном интеллекте беспилотных летательных аппаратов (БЛА), их умении работать в “стае”, а также о виртуальном поле боя для танков, вертолетов и роботов рассказал генеральный директор группы “Кронштадт” Армен Исаакян.

**

— Что представляет собой семейство беспилотников “Фрегат”, создаваемых группой “Кронштадт”?

— Мы сконцентрированы на создании бизнес-модели, связанной с применением разного класса беспилотников. Мы уже подтвердили тактико-технические характеристики беспилотника среднего класса семейства “Фрегат” вертикального взлета на масштабных моделях, провели натурные полевые работы, сделали аванпроект — словом, у нас есть полная готовность к реализации этого проекта.

В обозримом будущем будут новости и по части тяжелого беспилотника. Этой тематикой компания занимается достаточно давно. За эти годы мы создали серьезные наработки, связанные с композитным производством, с созданием бортовой электроники и авионики, систем управления и связи, наземных пунктов, полезных нагрузок и программного обеспечения.

— Когда может быть создан тяжелый беспилотник?

— Время создания тяжелого беспилотника зависит от многих факторов, точно сказать пока невозможно — это тема более отдаленной перспективы. Многое зависит от рынка — идет много споров относительно его емкости и целевого применения подобных аппаратов. Многое зависит от технологий, их зрелости и готовности, от инфраструктуры.

Обратите внимание

Нужно дорабатывать законодательство — сегодня в России любой беспилотник массой более 30 кг должен иметь соответствующий сертификат и не может свободно передвигаться в общегражданском воздушном пространстве.

Законодательная база еще находится в стадии разработки, мы в этом процессе активно участвуем.

Это вопросы создания сертификационного базиса, корректировки федеральных авиационных правил, понимание общих требований к безопасности эксплуатации БЛА.

— Какая масса будет у тяжелого “Фрегата”?

— Есть несколько видов классификаций беспилотников. Для нас тяжелый класс беспилотника — это аппарат массой 1 тонну или больше.

Между 250 кг и 1 тонной — так называемый тактический сегмент. Это средние аппараты ограниченного радиуса действия. Меньше 250 кг — сегмент малых беспилотников. Вопрос миниатюризации и увеличения полезной нагрузки таких аппаратов тоже очень интересен. Для каждого сегмента есть своя функциональная задача, свой потребитель, свой спрос.

Сейчас на Западе существуют тяжелые беспилотники массой 12 тонн и больше. По высоте полета это и 8 км, и 15 км. С другой стороны, уже идут разработки легких, но сверхвысотных аппаратов, которые могут летать на высоте 25 км, используя энергию солнечных лучей. Они предназначены для мониторинга, ретрансляции сигнала связи и интернета.

— Скоро ли будет готов средний “Фрегат” массой 500 кг?

— Это все-таки вопрос экспериментального образца. Дальше зависит от того, как эту историю “потянет” рынок — нам нужен первый потребитель. То есть эксплуатация и вывод на рынок среднего “Фрегата” — вопрос зрелости рынка, и я оцениваю ее пока как низкую. И причина — прежде всего в вопросах регулирования, обеспечения безопасности, готовности технологий, экономики изделия.

Робототехника и беспилотная тематика — это направления, которые будут развиваться еще годы и годы. Полагаю, что к таким аппаратам, как “Фрегат”, особенно в гражданском сегменте, наш рынок еще не готов.

— А военные?

— Военные в этом сегменте являются лидерами инноваций. В целом в мире военный сегмент беспилотной техники занимает около 80%. Эта доля потихоньку уменьшается, но нужно понимать, что пока все “тяжелое беспилотье” мира — прежде всего военное. И у нас то же самое. Мы видим большую заинтересованность нашей армии в беспилотниках.

— Есть ли в нашей армии отечественные образцы беспилотников?

— Согласно открытым источникам, в России есть игроки, которые уже поставляют беспилотную технику Минобороны России.

— По данным НИИП имени Тихомирова, в 2016 году был заключен договор на создание радара для беспилотника, разрабатываемого группой “Кронштадт”. О каком аппарате идет речь?

— Для какого конкретного проекта предназначен этот радар, я сказать не могу. Отмечу лишь, что локаторы — это одна из самых важных составляющих полезной нагрузки для тяжелых беспилотников.

— Насколько важна автономность беспилотника? Что он должен уметь делать?

— Сам по себе беспилотный самолет в отрыве от функциональных возможностей его применения в комплексе рассматривать бессмысленно. Важно то, что он умеет делать, включая — в межвидовой группе аппаратов или в группе БЛА. Мы работаем и над морскими, и над сухопутными “беспилотными” системами и видим в этом большой потенциал.

Сделать любой аппарат телеуправляемым или дистанционно управляемым не составляет большого труда. Поставил систему связи, систему управления, видеокамеру или другие средства технического зрения — и управляй. Но это не наш путь.

Краеугольным камнем для нас является создание систем управления, которые действительно могли бы делать аппарат не просто беспилотным, а именно робототехническим.

Важно

Он должен обладать определенным уровнем искусственного интеллекта, алгоритмами, возможностью самостоятельно принимать решение в заданных рамках, работать в группе.

— Иными словами, он должен уметь действовать в сетецентрической системе?

— Если говорить в практической плоскости, то это такая система, в которой любая “железяка” способна не только действовать, но и принимать решения в зависимости от развития обстановки. У беспилотника самое интересное то, каким искусственным интеллектом он обладает.

Мы нацелены на создание систем управления и программного обеспечения, обладающего возможностями искусственного интеллекта для любых робототехнических комплексов. Это не только военные перспективы, но и широкое гражданское применение: любые сферы, где есть опасность для жизни и здоровья человека, общественного порядка и инфраструктуры.

— В будущем беспилотники смогут объединяться в “стаи дронов”?

— В будущем — обязательно. Сейчас преждевременно говорить, что такая “стая” существует, может быть, только в каких-то секретных программах. Но уже есть совершенно автономные интеллектуальные системы группового применения дронов, когда их можно запустить и они самостоятельно выполняют миссию, распределяя задачи между собой, общаются.

Кстати, создание систем защиты от дронов — серьезная тема. Есть вопросы защиты объектов инфраструктуры, спортивных, промышленных объектов, каких-то массовых мероприятий.

Я думаю, что системы защиты от таких атак в перспективе будут обязательными для всех. Мы тоже думаем об этом.

Кто, как не производитель беспилотника, сможет придумать от него защиту? Это отдельная перспективная тема, которой занимаются наши технические специалисты.

— Недавно группа “Кронштадт” сообщила о создании виртуального полигона, на котором в том числе можно будет испытывать и робототехнику. О чем речь?

— Виртуальный полигон — это развитие нашего продукта “Комбат”, который включает в себя единое виртуальное поле боя и средства интеграции тренажеров и виртуальных моделей любых объектов.

Совмещение математической модели и системы визуализации в единое виртуальное 3D-пространство с очень реалистичным изображением местности позволяет смоделировать и отработать применение межвидовой группировки сил с применением живой силы и любой техники — вертолетов, танков, бронетранспортеров, беспилотников и роботов.

Роботы могут быть опробованы на таком виртуальном “полигоне”, прежде всего чтобы отработать их функциональное применение, выявить все возможные недочеты уже на этапе проектирования или создания головных образцов. Это, разумеется, не полное замещение реальных испытаний, но с точки зрения создания технологий и продуктов это очень важно.

Основное применение этой платформы сейчас — обучение. В это виртуальное поле боя интегрируется любая техника: авиационная, сухопутная или морская.

Операторы этой техники могут в режиме реального времени с помощью точной привязки к местности отрабатывать свое взаимодействие в тактическом звене, межвидовое взаимодействие и навыки применения и управления боевой техникой.

Совет

В этой системе моделируются ответные действия противника, любой сценарий развития ситуации, и это можно отрабатывать в бесконечном количестве вариаций.

— Сколько участников вмещает в себя виртуальное поле боя?

— Его эффективно использовать для тактического звена межвидовой группировки сил, размерностью бригады, например.

— Создана ли новая модификация тренажера “Комбат”?

— Да, у нас есть новая модификация “Комбата”, мы интегрировали туда элементы беспилотника и робототехники, сделали систему более гибкой и открытой для интеграции технических средств обучения других производителей. Также мы улучшаем характеристики 3D-визуализации и геопространственной основы.

— Делает ли “Кронштадт” тренажеры для новых машин десанта?

— Мы в кооперации разрабатываем тренажер для новой БМД и БМП. Активно развиваем стрелковый тренажер “Вега”, сделали тренажер для БТР, вертолетную тематику развиваем.
Тренажерная тематика консервативна. Она призвана максимально повторить то, с чем пилоту, оператору или водителю предстоит работать в реальной жизни, поэтому не так активно будет вбирать в себя все новые технологические веяния.

— Как показал себя в ходе эксплуатации на кораблях универсальный картографический сервер “Прилив”?

— “Прилив” действительно хорошо себя зарекомендовал. Он будет, например, установлен и на тяжелом атомном крейсере “Адмирал Нахимов” в ходе его модернизации. Это серийный продукт, который пользуется спросом у военных, и мы его поставляем. Отзывы о нем позитивные. Работаем над тем, чтобы развить эту тему: инвестируем в развитие систем и подсистем управления кораблем и создание новых технологий в картографии.

— Участвует ли группа “Кронштадт” в работах по созданию вертолета Ми-28НМ или тренажера к нему?

— Мы вышли из программ по созданию авионики и кабин для вертолетов. К сожалению, у этих работ очень высока степень неопределенности — неизвестно, когда в итоге машина выйдет в серию и в каких количествах. Мы решили, что эти риски не для нас.

При этом мы готовы создать тренажер для обучения пилотов на Ми-28НМ. Но это также зависит от серийности. Я слышал о том, что в войсках потребуется как минимум один такой тренажер.

— Вы создавали мультимедийную экспозицию для обновленного крейсера “Аврора” в Петербурге. Планируете ли делать подобные проекты в дальнейшем?

— Сейчас мы участвуем в ряде тендеров, поэтому впереди интересные проекты, которые пока рано анонсировать. Совершенно точно будем продолжать это направление. Думаем о том, чтобы развить его чуть глубже, не только в сторону патриотического воспитания. Это хорошие имиджевые проекты.

— В марте вы успешно сдали австрийской компании AMST программный комплекс для авиационного тренажера пространственной дезориентации. Что это такое?

— Эта система основывается на математическом моделировании и визуализации различных внештатных ситуаций и сложных погодных условий, в которых могут оказаться пилоты гражданского самолета.

Сегодня мы с партнерами прорабатываем возможность запуска фундаментальных исследований на базе центра “Сколково”, касающихся влияния на пилотов различных внешних и внутренних факторов, их психофизического состояния во время полетов. Посмотрим, может быть, нам удастся сделать в России такой проект.

— Но пока в нашей стране интереса к таким вещам нет?

— По крайней мере, в большом объеме мы его пока не видим.

— Какова доля гражданской и военной продукции в общем объеме выручки компании?

— Соотношение сегодня составляет порядка 60% военной тематики против 405 гражданских заказов. Этот баланс будет постепенно меняться в сторону экспорта на международные рынки и гражданских и индустриальных сегментов.

Для нас наращивание доли гражданской продукции является актуальной темой уже с 2018 года, и мы активно инвестируем в те решения, которые позволят нам продавать соответствующие продукты в краткосрочном периоде.

Планируем достичь соотношения в выручке 50 на 50 военной и гражданской тематики уже с 2019 года. Этот тренд должен продолжаться.

Основные точки роста, которые мы видим в этой отрасли, — это зарубежная авиатренажерная тематика, включающая в себя гражданские самолеты и вертолеты.

Также это тактические тренажеры типа “Комбат”, единое виртуальное поле боя, беспилотная и робототехническая темы. По каждому направлению есть выверенная стратегия.

— Какова выручка предприятия?

— Прошлый год в целом был удачный, выручка увеличилась на 25% по сравнению с 2015-м. Выручка текущего года планируется на уровне 7 млрд рублей, а это также рост примерно на четверть. Планируем сохранять стабильную рентабельность и выделили из нашей собственной доходной составляющей инвестиционный бюджет. Плюс по ряду тем мы имеем инвестиционную поддержку со стороны акционеров.

Читайте также:  Бизнес будущего. основные тенденции

— Каков портфель экспортных заказов группы “Кронштадт”?

— Это пока что 10–15% от общего объема выручки. Надеемся, что будет 20–25% к 2019 году. В основном на экспорт идет гражданская тематика.

— В каких выставках планируете участвовать в этом году?

— У нас будет насыщенное лето — мы участвуем в Международном военно-морском салоне, в МАКСе, с собственным павильоном и экспозицией, и в “Армии-2017”. Надеемся приятно удивить рядом новых разработок. Сейчас не готов их анонсировать, но намекну, что будут сюрпризы в области беспилотной и робототехнической тематики.

Будем представлять новое поколение продуктов, в частности на “Армии”. Планируем показать ряд новых проектов в части бортовой, авиационной составляющей, полезных нагрузок, электроники и систем, покажем новый проект, связанный с гражданским сегментом беспилотной тематики. Конечно, ряд новаций в морской части.

Можно сказать, что наше представительство на предстоящих выставках будет кратно увеличено. В этом году мы сконцентрированы на внутреннем рынке, но уже в следующем планируем более активное участие в международных салонах.

Анна Юдина

Источник

Источник: http://navoine.info/uav-rusai.html

Искусственный интеллект для беспилотников от NVIDIA

28-29 сентября в Амстердаме прошла первая европейская конференция NVIDIA по GPU-технологиями – GTC Europe. Это третья из восьми запланированных региональных конференций NVIDIA по ускоренным вычислениям. Предыдущие конференции прошли в Пекине и на Тайване.

 В Амстердаме президент и CEO NVIDIA Дженсен Хуанг представил Xavier, систему-на-чипе нового поколения для автономных автомобилей; объявил о партнерстве с TomTom, голландской картографической компанией, с целью использования искусственного интеллекта (ИИ) для создания облачной картографической системы для самоуправляемых автомобилей.

Он подробно рассказал о среде разработки DriveWorks Alpha 1 и совместной работе с передовыми европейскими стартапами и исследовательскими лабораториями.

Обратите внимание

«GPU-вычисления лежат в основе чего-то очень важного, новой революции, которую называют революцией искусственного интеллекта (ИИ). По сути, речь идет о начале четвертой индустриальной революции», – сказал г-н Хуанг, выступая перед аудиторией, насчитывающей 1600 ученых, инженеров, предпринимателей и журналистов.

Всего за 5 лет графические процессоры изменили искусственный интеллект, превратив его из амбициозного университетского проекта в $500-миллиардную индустрию, затрагивающую множество аспектов нашей жизни. И NVIDIA находится в авангарде этой революции.

Воспользуйтесь нашими услугами

Xavier — основа для будущих беспилотных автомобилей

Xavier, новая система-на-чипе (SoC) на базе GPU Volta, станет основой для будущих беспилотных автомобилей. Xavier обладает беспрецедентной производительностью и энергоэффективностью и поддерживает важные для авторынка возможности глубокого обучения. Один автомобильный суперкомпьютер на базе Xavier с ИИ сможет заменить сегодняшний DRIVE PX 2 с двумя SoC Parker и двумя GPU Pascal.

Дженсен подробно рассказал о выходе версии Alpha 1 пакета DriveWorks, которая включает ряд новых модулей и поддержку расчета свободного пространства (что помогает машинам определять, безопасно ли продолжать движение), расчета дистанции, определения полос движения и ограничивающего 3D параллелепипеда для определения размера и формы объектов вокруг автомобиля.

Были продемонстрированы впечатляющие результаты работы нейронных сетей для организации беспилотного движения на дороге. PilotNet позволит автомобилю справиться со стройплощадками, ночным вождением и непогодой. Другая нейронная сеть – OpenRoadNet – позволит рассчитывать свободное пространство и создавать сетку занятости, чтобы помогать автомобилям определять, безопасно ли двигаться дальше.

Среда разработки DriveWorks Alpha 1 будет доступна для партнеров NVIDIA в октябре.

Поддержка навигационных карт высокого разрешения для самых загруженных дорог мира

На конференции было объявлено о начале сотрудничества NVIDIA и картографической компании TomTom. TomTom, занимающаяся разработкой карт и навигацией, портирует программу локализации и привязки к карте на DRIVE PX 2 AutoCruise. В свою очередь пакет NVIDIA DriveWorks теперь поддерживает картографическую HD среду TomTom.

TomTom работает над созданием карт высокого разрешения для самых загруженных дорог мира, это невероятно сложная задача. «Вам нужно будет определить положение вашего автомобиля с точностью до сантиметра, потому что, когда вы будете ехать в самоуправляемом автомобиле, вам совсем не захочется промахнуться сантиметров на 20», – объяснил Алэн дэ Тайе (Alain De Taeye), член правления TomTom.

«Раньше считалось, что создание навигационных карт – неподъемная задача. Теперь считается, что детализированные и точные HD-карты очень дороги в создании. Но это не так: просто необходимо применять искусственный интеллект и платформы на его базе для автоматического создания карт и их поддержки», – сказал Алэн.

Новый суперкомпьютер NVIDIA DGX-1 AI для центров искусственного интеллекта и для ERP-гиганта SAP

Вычисления на базе ИИ находят все более широкое применение в ведущих европейских исследовательских центрах, технологических компаниях и стартапах.

На конференции в Амстердаме Дженсен объявил о том, что два ведущих европейских исследовательских центра, работающих в области ИИ, будут сотрудничать с NVIDIA, чтобы объединить усилия в этой быстроразвивающейся области.

Немецкий исследовательский центр искусственного интеллекта и Швейцарский институт искусственного интеллекта Dalle Molle одними из первых получат новый суперкомпьютер NVIDIA DGX-1 AI.

Также было объявлено, что крупный программный разработчик SAP установил суперкомпьютер DGX-1 AI в своих офисах в Потсдаме (Германия) и в Израиле, где команды работают над созданием систем машинного обучения для бизнеса. «Благодаря партнерству с SAP, у нас появятся приложения для крупного бизнеса», – сказал г-н Хуанг.

За последние два месяца DGX-1 взяли на вооружение ИИ-лаборатории по всему миру, включая лаборатории Беркли, Стенфорда и OpenAI.

DGX-1 – это 170 терафлопс вычислительной мощи, что эквивалентно 250 традиционным серверам. В нем установлено восемь ускорителей Tesla P100 на базе NVIDIA Pascal, соединенных высокоскоростным интерфейсом NVIDIA NVLink, и ряд фреймворков глубокого обучения.

Дженсен также назвал четыре европейских стартапа, в том числе российский Smilart, разрабатывающий решения для распознавания лиц, — среди более чем 1500 во всем мире— которые применяют системы ИИ на базе GPU.

Важно

А вот полная запись основной презентации, которую на GTC Europe 2016 сделал CEO и со-основатель NVIDIA Дженсен Хуанг (Jen-Hsun Huang):

Источник: http://integral-russia.ru/2016/10/07/iskusstvennyj-intellekt-dlya-bespilotnikov-ot-nvidia/

Найден новый способ поиска ошибок в ИИ беспилотных автомобилей

Ученые представили свое исследование на ежегодном Симпозиуме по основам операционных систем (Symposium on Operating Systems Principles, SOSP). Конференция проходила в Шанхае с 28 по 31 октября. Новый метод, DeepXplore, использует по крайней мере три нейронные сети. Они взаимодействуют как «перекрестные оракулы», проверяя точность работы друг друга.

Как работает DeepXplore?

Исследователи из Колумбийского и Лихайского университетов разработали DeepXplore для решения проблемы оптимизации, в которой они стремились достичь наилучшего баланса между двумя целями. Первая — максимизировать число нейронов, активированных в нейронных сетях. Вторая — инициировать как можно больше противоречивых решений среди разных нейронных сетей.

Предполагая, что большинство нейронных сетей принимают правильное решение, DeepXplore автоматически перенастраивает нейронную сеть, которая приняла иное решение, чтобы она следовала примеру большинства в данном сценарии.

Инджи Цао, доцент кафедры информатики Лихайского университета, говорит:

Этот пример из DeepXplore показывает ошибку, обнаруженную в программном обеспечении для беспилотных автомобилей Nvidia DAVE-2. Она может привести к тому, что автомобиль врежется в ограждение из-за более темной версии изображения.

Неправильное решение ИИ беспилотного автомобиля может повлечь за собой очень неприятные последствия. Например, автомобиль может столкнуться с другой машиной, врезаться в ограждение, сбить пешехода или велосипедиста. Сведение таких ошибок к минимуму является очень важной задачей.

При тестировании DeepXplore стремится максимизировать охват нейронов, активируя их максимальное количество и различные пути нейронных сетей. Такой подход дает возможность активировать 100 % сетевых нейронов, что примерно на 30 % больше, чем в обычных методах тестирования.

Тестирование 15 продвинутых нейронных сетей на 5 общедоступных наборах данных показало, что DeepXplore может найти тысячи ранее не обнаруженных ошибок в самых разных приложениях глубокого обучения. В тестовые наборы данных включались сценарии автопилотирования автомобиля, распознавания объектов на изображениях и обнаружения замаскированного вредоносного ПО.

DeepXplore еще не может гарантировать обнаружение абсолютно всех ошибок в системе. Однако эта технология более обширна и показывает себя лучше, чем старые методы, при тестировании крупномасштабных нейронных сетей. Это несомненно шаг навстречу безопасному беспилотному вождению.

Источник: IEEE Spectrum

Максим Леонов

Источник: https://tproger.ru/news/find-bugs-driving-ai-deepxplore/

Искусственный интеллект разгромил пилота-инструктора в воздушном бою

С расширением использования военных беспилотных летательных и плавающих аппаратов, роботов и аналитических алгоритмов ведущие армии мира все шире используют искусственный интеллект (ИИ).

Одну из таких систем создают для управления боевыми дронами разработчики Лабораторий ВВС США.

В статье, опубликованной в Journal of Defense Management, они сообщают, что их ALPHA впервые справился с опытным военным летчиком.

«Как беспилотники в середине 1990-х представили революционно новые возможности для ВВС, – пишут авторы публикации во главе с Ником Эрнестом (Nick Ernest) из Университета Цинциннати, – так и скоординированное автономное действие пилотируемых и непилотируемых средств в воздушном бою будет означать революционный скачок в мощности ВВС».

Совет

Такой оптимизм нам непонятен: для пилотов места на борту, кажется, может и вовсе не остаться. Во всяком случае, в серии имитаций воздушных боев ALPHA наголову разгромил отставного полковника Джена Ли (Gene Lee).

И «разгромил» тут не преувеличение – в восьми схватках из восьми летчик не только не смог поразить компьютер, но и сам оказался сбит.

По словам Эрнеста и его коллег, ALPHA эффективно расправляется с летчиками, даже если им дать фору, введя в систему различные сбои на управляемом компьютером самолете или ограничив возможности вооружения.

«Такое ощущение, что он читал мои намерения и моментально реагировал на малейшее мое движение в воздухе, попытку отправить ракету, – говорит полковник Ли, – и немедленно переходил от защиты к нападению».

Отставной полковник ВВС США Джен Ли в летательном тренажере / ©University of Cincinnati

Самое эффектное здесь то, что работа ИИ не потребовала больших вычислительных ресурсов.

ALPHA был реализован на платформе Raspberry Pi, куда слабее той, что используется в хороших современных смартфонах.

Использованная в нем система применяет элементы нечеткой логики, которая – благодаря машинному обучению и миллионам имитаций боев, проведенных против других ИИ, – позволяет с большой скоростью фильтровать поток данных, на основе которых принимаются решения.

Из сотен показаний, которые поступают в ИИ, он реагирует лишь на те, что важны в данный момент, и успевает оценить сотни вариантов действий, прежде чем пилот-человек успеет осознать полученную информацию. В результате ALPHA реагирует моментально и не сомневаясь: даже авторы разработки называют его «самым агрессивным, быстро реагирующим, динамичным и надежным ИИ на настоящий момент».

Источник: https://naked-science.ru/article/tech/iskusstvennyy-intellekt-razgromil

Новые технологии 2018: роботы, блокчейн, ИИ, беспилотники и AR

Прошлый год, как и предыдущий, изобиловал новыми открытиями: Илон Маск дал надежду на заселение Марса, ученые начали использовать методику редактирования генов CRISPR, все больше компаний инвестируют в разработку самоуправляемых авто, а Twitter даже отказался от 140 символов в сообщениях. Чего же ждать дальше?

Дополненная реальность

Дополненная реальность ворвалась в 2017-ый с покемонами и набирает обороты. Ей пророчат лучшие перспективы, чем для виртуальной реальности, потому что чаще всего пользователи уже имеют все, что им нужно, чтобы попробовать AR, а именно обычный смартфон.

Благодаря ее доступности уже в 2018 мы сможем увидеть, как уверенно AR распространяется в ритейле, создавая новый потребительский опыт, когда с помощью дополненной реальности можно изменить цвет, модель и другие особенности автомобиля или свитера, который хочется приобрести.

Вице-президент компании Deloitte Джей Смит предсказывает, что новые модели AR-очков будут более стильные и гораздо удобнее, чем неуклюжие VR-шлемы, и, например, когда вы окажетесь в командировке или в отпуске за границей, смогут перевести все уличные надписи на иностранном языке.

Блокчейн

Созданная в 2009 технология стала всемирно известной через 8 лет. Реалити-шоу “Биткоин” стало одним из самых интересных в 2017 году. За ростом криптовалюты следили все, независимо от того имеют ли они биткоины, собираются их покупать или майнить.

Читайте также:  Что может созданный сверхразум?

Биткоин и остальные криптовалюта появились, существуют и будут существовать именно благодаря блокчейну. Однако блокчейн не ограничивается только криптовалютами.

Технология распространяется: в государственном секторе, на социальные медиа, интернет вещей и тому подобное. Все это благодаря тому, что блокчейн делает вещи более безопасными и улучшает отслеживание.

Обратите внимание

По мнению Смита, в 2018 году блокчейн тесно интегрируется в интернет вещей, превратив его таким образом с IoT (Internet of Things) на BIoT (Blockchain Internet of Things).

Он поможет значительно снизить уровень хакерства и сможет использоваться, например, для создания умных городов, в которых соединены системы отопления, чтобы эффективнее контролировать потребление энергии, а подключенные светофоры – лучше управлять движением в час пик.

Беспроводная зарядка

Всем знакомо это неприятное ощущение, когда батарея мобильного светится красным. Существует даже научное определение страха остаться без мобильного телефона, или не иметь возможности зарядить устройство – номофобия.

Беспроводные зарядки позволят не оставлять телефоны у розеток, или не находиться возле них, пока устройство заряжается, а продолжать заниматься своими делами.

Однако изменения произойдут не только у смартфонов. Такие мировые гиганты по производству ноутбуков, как Asus, HP, и Lenovo заявили о том, что работают над лэптопами, которые будут держать уровень заряда до 20-25 часов, а это значит, что не придется искать розетку в ближайшем кафе, и можно будет работать, например, прямо на пляже.

Кибербезопасность

Кибербезопасность станет большей проблемой в 2018 году, и это подчеркивают абсолютно все. 2017-ый был ужасным годом с точки зрения кибербезопасности.

Он принес громкие случаи крупных утечек информации, как с Uber и Deloitte, кибератак, как вирус NotPetya, являющийся разновидностью WannaCry. Хакеры грабили банки и взламывали биткоин-кошельки и биржи.

В начале 2018 стало известно о уязвимости процессоров Intel, AMD и ARM.

Источник: https://ecotechnica.com.ua/stati/3080-novye-tekhnologii-2018-roboty-blokchejn-ii-bespilotniki-i-ar.html

Искусственный интеллект, автономные системы и будущее ведение войн

Привет.

Рост использования беспилотных летательных аппаратов (БПЛА), как в военной, так и в коммерческой среде, сопровождался жарким дебатами о том, должен ли быть прямой запрет на использования роботов для убийства людей. 

Такие роботы, которые могут находиться в воздухе, на земле или в воде и под водой, теоретически включают в себя «искусственный интеллект» (AI), который сделает их способными выполнять миссии самостоятельно.

Дискуссия, имеющая множество аспектов и заинтересованных сторон, касается того, должно ли быть разрешено искусственно интеллектуальным машинам выполнять такие военные миссии, особенно если есть вероятность, что на карту может быть поставлена любая человеческая жизнь.

Интеграция систем оружия AI в военные платформы имеет не только широкий спектр применений, но и многочисленные проблемы, как практические, так и этические. Платформы автономного оружия могут значительно сократить трудовые ресурсы, необходимые для выполнения множества задач.

Это важно, учитывая, что некоторые из этих задач, таких как патрулирование и разминирование, являются исключительно грязными, трудоемкими или опасными. Системы автономного оружия могут выполнять ту же задачу, что и люди, но в более продолжительно и надежно. Они не имеют человеческих ограничений, таких как усталость и травмы.

Кроме того, при размещении в боевой ситуации автономная система будет иметь возможность быстро анализировать данные и реагировать на них без человеческих ограничений, включая панику и травму.

Учитывая сложность этого вопроса, требуется рабочее определение Ai.

Нет единого общепринятого определения, даже среди компьютерных ученых и инженеров, но общее определение Ai – это способность компьютерной системы выполнять задачи, которые обычно требуют человеческого интеллекта, такие как визуальное восприятие, распознавание речи и принятие решений. Однако это определение по своей сути упрощено, и вопрос, что составляет интеллектуальное поведение, также открыт для обсуждения.

Возможно, по этому определению умный дом является интеллектуальным, потому что он может воспринимать и регулировать температуру, освещение, электроэнергию и пр. Но это существенно отличается от Ai, при котором БПЛА выбирает и задействует цели без значимого человеческого контроля, что является общим предположением для автономного оружия.

Запрет автономной технологии для использования в военных целях может быть нецелесообразным, учитывая, что такие технологии могут быть доступны в коммерческом секторе.

Кроме того, асимметричное развитие рынка коммерческой автономной системы, скорее всего, приведет к нехватке опыта для правительств и военных, что может привести к созданию скомпрометированных и небезопасных Ai систем, как полностью, так и полуавтономных.

Важно

В новом исследовании впервые обозначены рамки, объясняющие текущее состояние техники для Ai, сильные и слабые стороны Ai и то, что, вероятно, будет иметь большое будущее.

Учитывая, что продвижение Ai неразрывно связано с опытом инженеров, разрабатывающих эти системы, делается вывод о том, что использования экспертных знаний военных инженеров в коммерческом секторе еще больше усложнит обсуждение политики автономного оружия и затруднит его использование.

Структура исследования демонстрирует, что, хотя компьютеры и Ai могут превосходить людей в решении некоторых задач, связанных с вычислениями, в ситуациях, требующих оценочных суждений и знаний, при наличии ситуации неопределенности, люди превосходят компьютеры.

Что касается будущего войны, поскольку она связана с Ai, нынешнее большое несоответствие в расходах на коммерческие и военные НИОКР на развитие автономных систем может оказывать каскадное влияние на типы и качество Ai, которые в конечном итоге включаются в военные системы. Одна из важных проблем в этом отношении заключается в том, будут ли оборонные компании иметь возможность разрабатывать и тестировать безопасные и контролируемые Ai-системы, особенно те, которые могут применять оружие.

Внедрение инновационных технологий без всестороннего тестирования может привести к неоправданному риску как военного персонала, так и гражданского населения. 

Как думают роботы 

Чтобы лучше понять нюансы Ai, важно сначала понять разницу между автоматизированной и автономной системой.

Автоматизированная система – это та, в которой алгоритм объясняется ясной структурой “if-then-else” (если-тогда-иначе), основанной на определенных правилах, и делает это детерминировано, что означает, что для каждого входа выход системы всегда будет одним и тем же (за исключением случаев, когда что-то не получается). 

Автономная система – это метод, который вероятностно задает набор входных данных, что означает, что он делает предположения о наилучших возможных вариантах действий при вводе данных с датчиков (сенсоров).

Совет

В отличие от автоматизированных систем, при условии, что одни и те же входные автономные системы не обязательно будут производить одно и то же поведение каждый раз.

Скорее, такие системы будут создавать диапазон поведения.

Человеческий интеллект обычно следует за последовательностью, известной как цикл обработки информации о восприятии-познании, поскольку люди воспринимают что-то в окружающем мире, думают о том, что делать, а затем, после того как они взвесили варианты, принимают решение. AI запрограммирован на то, чтобы сделать что-то подобное, поскольку компьютер воспринимает окружающий мир, а затем обрабатывает входящую информацию с помощью алгоритмов оптимизации и проверки, с выбором оптимального действия, подобному действию людей. 

Хотя существует много параллелей между человеческим интеллектом и искусственным интеллектом, есть и серьезные различия.

Каждая автономная система, которая взаимодействует в динамической среде, должна создать модель мира и постоянно обновлять эту модель.

Это означает, что мир должен восприниматься (или ощущаться через камеры, микрофоны и/или тактильные датчики), а затем восстанавливаться таким образом, чтобы «мозг» компьютера имел эффективную и обновленную модель мира, в котором он находится, прежде чем он сможет принять решение. Верность создания “модели мира” и своевременность ее обновлений являются ключом к эффективности автономной системы.

Например, автономная навигация БПЛА является относительно простой, поскольку “модель мира”, в соответствии с которой она работает, состоит просто из карт, которые указывают предпочтительные маршруты, препятствия на высотах и бесполетные зоны. Радары дополняют эту модель в реальном времени, указывая, какие высоты не имеют препятствий. GPS-координаты передаются в БПЛА, где он должен идти, с общей целью плана GPS-координат.

Для сравнения, навигация для легковых автомобилей намного сложнее. Автомобили не только нуждаются в похожих картографических возможностях, но также должны понимать, где находятся все находящиеся поблизости транспортные средства, пешеходы и велосипедисты, и где все это будет в ближайшие несколько секунд.

Беспилотные автомобили (и некоторые беспилотные летательные аппараты) делают это с помощью комбинации датчиков, таких как LIDAR (обнаружение света и дальность), традиционные радары и стереоскопическое компьютерное зрение.

Таким образом, “модель мира” создаваемая для беспилотного автомобиля является более продвинутой, чем для типичного БПЛА, что отражает сложность операционной среды.

Будущее Ai в военных системах напрямую связано с способностью инженеров разрабатывать автономные системы, которые демонстрируют независимую способность к рассуждениям, основанным на знаниях и анализе.

В настоящее время нет таких автономных систем.

Обратите внимание

Большинство наземных роботов телеуправляются, что в основном означает, что человек по-прежнему непосредственно контролирует робота на некотором расстоянии, как будто через виртуальный удлинитель. 

Большинство военных БПЛА лишь немного более изощренны: у них есть небольшая автономия, которая позволяет им перемещаться без вмешательства человека, но почти все требуют значительного вмешательства человека для выполнения своих задач.

Даже те, что взлетают, летают над мишенью для захвата целей, а затем возвращаются домой, все еще работают на автоматическом, а не автономном уровне и не самостоятельно не принимают решения «на лету», как это делают настоящие автономные системы.

Учитывая нынешние масштабы коммерческого развития беспилотных летательных аппаратов и других роботизированных систем, существуют и другие важные соображения, такие как возможные скрытые последствия для компаний и стран, которые выводят технологии Ai на рынок – в отличие от государств, которые склонны придерживаться более консервативных подходов. Внедрение инновационных технологий без всестороннего исследования может привести к неоправданному риску как для военных, так и гражданского населения. 

Хотя не вызывает сомнений, что Ai будет частью будущего вооруженных сил во всем мире, картина быстро меняется и потенциально разрушительно. Ai продвигается, но, учитывая существующие ограничения датчиков восприятия, могут пройти годы, прежде чем Ai сможет приблизиться к человеческому интеллекту в условиях высокой неопределенности.

Учитывая нынешнюю неспособность Ai к разуму в таких условиях с высокими рисками, вполне понятно, что многие люди хотят запретить автономное оружие, но сложность проблемы означает, что запрет должен быть тщательно продуман и описан.

В принципе, например, определяет ли термин автономное оружие фактическое оружие – то есть ракета на беспилотном самолете? И как будут оцениваться такие технологии, возникающие на растущем коммерческом рынке, который, как ожидается, скажется на некоторых аспектах военного потенциала и, возможно, изменит общественное мнение?

Недавно сообщалось о том, что  Агенство перспективных исследований США планирует создать новый алгоритм искусственного интеллекта максимально приближенный к человеческим возможностям. Естественно этот алгоритм создается в военных целях. Проект получил название  L2M (Life Learning Machines — “Бесконечно обучаемые машины”).

Важно

Сам по себе этот факт уже не может не вызывать определенного беспокойства. Но еще большее беспокойство вызывает техническое задание на создание этого AI.

В частности продвинутый искусственный интеллект должен уметь самостоятельно принимать решения, обучаться во все время своего жизненного цикла, быстро принимать решения в зависимости от ситуации и использовать приобретенный опыт при планировании своих действий. 

Многие исследователи и аналитики выражают озабоченность по поводу роли Ai в будущем ведении войн. Использование этих систем для поддержки и управленческих ролей – это одно, а другое – не человеческие комбатанты. В наше время обсуждаются потенциальные проблемы боевых Ai-машин.

Роботы не могут решать два основных вопроса на поле боя. Один из них – способность различать друг и врага, что иногда трудно и людям-то делать во время современной войны. Другой вопрос – это пропорциональность применения силы.

Это решение о соразмерности силы, которая считается разумной в данной боевой ситуации с учетом возможного нахождения гражданских лиц в местах боевых действий. 

Подробней, фото1, фото2, фото3, фото4, фото5, фото6

Источник: https://golos.io/ru–tekhnologii/%40lisak/iskusstvennyi-intellekt-avtonomnye-sistemy-i-budushee-vedenie-voin

Искусственный интеллект создаёт графику для игр

Nvidia представила новое исследование, посвящённое искусственному интеллекту. Проект компании позволяет разработчикам создавать полностью искусственные интерактивные 3D-среды, где за основу берётся видео, снятое в реальном мире.

Читайте также:  В россии начнутся испытания роботов-саперов

Как отметили исследователи, каждый объект в виртуальном мире должен быть смоделирован индивидуально, что, несомненно, затратно и отнимает много времени. Однако нейросеть компании на основе полученных с роликов данных научилась самостоятельно в реальном времени создавать в синтетических мирах такие объекты, как здания, деревья и транспортные средства.

Сам себе режиссёр

Таким образом, развитие данной технологии приведёт к тому, что разработчики и инженеры получат возможность быстро создавать виртуальные миры для игр, автомобильной промышленности, архитектуры, робототехники или виртуальной реальности. Например, нейросеть может генерировать интерактивные сцены на основе реальных мест или переносить танцевальные движения известных поп-звёзд на модели пользователей.

«Nvidia изобретает новые способы генерации интерактивной графики вот уже 25 лет, и это первый раз, когда мы можем сделать это с помощью нейросети. Нейросети, в частности генеративные модели, изменят то, как мы создаём графику», — отметил вице-президент Nvidia по глубокому обучению Брайан Катанзаро.

В качестве демонстрации возможностей разработки компания показала простой автомобильный симулятор, позволяющий виртуальным водителям совершить поездку в городе.

Весь контент в видеоигровом демо визуализируется интерактивно с использованием нейросети. Она не только создаёт объекты, но и моделирует виртуальный мир, например, изменяя освещение.

Совет

Поскольку среда сгенерирована искусственно, пользователь может легко внести изменения: отредактировать, удалить или добавить объекты.

По словам исследователей, cпособность моделировать и воссоздавать динамику визуального мира имеет важное значение для создания интеллектуальных агентов. Ведь помимо научных интересов технология станет весьма полезной для тех, кто занимается разработкой в области компьютерного зрения, компьютерной графики и робототехники.

Ранее News.ru посетил Неделю российского Интернета, где состоялась специальная секция, посвящённая нейросетям и искусственному интеллекту, а также их роли в развитии современных технологий.

Эксперты на примерах собственных проектов объяснили, почему именно эти технологии станут фундаментом будущих важнейших открытий, добавив, что они непременно вольются в нашу жизнь, став их неотъемлемой частью.

Источник: https://news.ru/tehnologii/iskusstvennyj-intellekt-sozdaet-grafiku-dlya-igr/

Роевой интеллект для управления БПЛА в FANET

Леонов А. В., Чаплышкин В. А. Роевой интеллект для управления БПЛА в FANET // Молодой ученый. — 2016. — №12. — С. 314-317. — URL https://moluch.ru/archive/116/31615/ (дата обращения: 26.02.2019).



В статье представлено краткое описание мультиагентной системы управления. Рассмотрена возможность применения роевых алгоритмов для моделирования коллективного интеллекта в системах управления в FANET.

Ключевые слова: роевой интеллект, БПЛА, FANET, мультиагентная система управления, коллективный интеллект

На протяжении последнего десятилетия в России большую актуальность приобретают так называемые летающие сети, представляющие особый вид одноранговой самоорганизующейся сети на основе беспилотных летательных аппаратов (БПЛА) [1].

БПЛА призваны решать широкий спектр задач гражданского применения. Возможность использования БПЛА в качестве основы создания сетевой инфраструктуры рассматривается как привлекательный подход для эффективного увеличения коммуникационных возможностей сетей.

Основными преимуществами использования БПЛА являются универсальность, гибкость, относительно небольшие эксплуатационные расходы и исключение человеческого фактора при выполнении поставленной задачи [2].

Анализ задач, выполняемых с помощью систем, состоящих из одиночных БПЛА, позволяет сделать вывод о том, что применение систем мульти-БПЛА является наиболее эффективным подходом [3].

В научной литературе, встречается несколько определений самоорганизующихся сетей мульти-БПЛА с разными названиями, по-своему объясняющими новую сетевую модель (см. таблица 1) [4].

Таблица 1

Названия моделей высокомобильных сетей БПЛА

Название сети

Источник

Airborne Networks (Airborne Telemetry Networks, Airborne Communication Networks, Airborne Backbone Networks, etc.)

[5]

Unmanned Aeronautical Ad-hoc Networks (UAANETs)

[6]

UAV Ad Hoc Networks

[7]

Networks of UAVs

[8]

Distributed Aerial Sensor Networks

[9]

Flying Ad Hoc Networks (FANET)

[10]

Несмотря на то, что используемые названия имеют незначительные различия в определениях, очевидно, что данная модель представляет собой особую форму VANET (Vehicular Ad Hoc Network). Поэтому целесообразно использовать название FANET для новой сетевой модели.

Новое поколение легких и малых БПЛА позволяет разрабатывать воздушные робототехнические системы широкого спектра применения. На рис.

Обратите внимание

1 представлено схематическое изображение проекта ANCHORS (UAV — Assisted Ad Hoc Networks for Crisis Management and Hostile Environment Sensing) по применению технологии одноранговых сетей БПЛА для управления в аварийных ситуациях и дистанционного сканирования зоны заражения.

Целью проекта является организация автономной сети состоящей из различных беспилотных систем, которые могут быть использованы в качестве независимой коммуникационной инфраструктуры для аварийных служб при возникновении чрезвычайной ситуации [11].

Рис. 1. Схема проекта ANCHORS.

Применение малоразмерных БПЛА накладывает следующие ограничения [12]:

‒ габариты: малые размеры аппарата ограничивают набор доступных бортовых сенсорных устройств;

‒ энергозатраты: ограниченный энергоресурс приводит к уменьшению радиуса работы активных средств сбора данных, таких как лазерные дальномеры, ультразвуковые датчики и т. п.;

‒ радиус действия: одиночный малоразмерный БПЛА может самостоятельно собрать информацию на относительно небольшом расстоянии;

‒ препятствия для полета: по-прежнему актуальным останется поиск и своевременное обнаружение препятствий, в качестве которых могут выступать здания, деревья, линии электропередач и т. д.;

‒ устойчивость полета: малые БПЛА в большей степени подвержены неустойчивым потокам естественной турбулентности атмосферы, особенно в условиях плотной городской застройки.

Большое внимание среди исследователей и ученых уделяется поиску решения задачи управления и распределённого взаимодействия в сетях с динамически изменяющейся топологией, таких как FANET.

Характерной особенностью мультиагентных технологий является их способность к коллективному поведению, с целью решения общей задачи.

Коллективом называют группу агентов, например, БПЛА, решающих одну общую целевую задачу и взаимодействующих между собой для решения этой задачи. При этом коллективное взаимодействие охватывает большое число агентов системы и проявляется в их согласованных действиях.

Метод коллективного управления заключается в том, что каждый БПЛА самостоятельно управляет процессом своего функционирования, т. е. определяет свои действия, а также согласовывает эти действия с другими агентами группы для наиболее эффективного, т. е. с минимальными затратами и максимальной выгодой для группы, решения целевой задачи [13].

Основными принципами коллективного управления являются [14]:

 каждый член коллектива группы самостоятельно формирует свое управление (определяет свои действия) в текущей ситуации;

 выбор действий каждым членом коллектива осуществляется только на основе информации о коллективной цели, стоящей перед группой, ситуации в среде в предыдущей отрезок времени и в текущий момент, своего текущего состояния и текущих действий других членов коллектива;

 в качестве оптимального действия каждого члена коллектива в текущей ситуации понимается такое, которое вносит максимально возможное приращение целевого функционала при переходе системы «коллектив-среда» из текущего состояния в конечное;

 оптимальное управление реализуется членами коллектива в течение ближайшего отрезка времени в будущем, а затем определяется новое действие;

 допускается принятие компромиссных решений, удовлетворяющих всех членов коллектива, то есть каждый член коллектива может отказаться от действий, приносящих ему максимальную выгоду, если эти действия приносят малую выгоду или даже ущерб коллективу в целом.

Метод коллективного управления является эффективным при использовании в распределенных мультиагентных системах. К основным преимуществам относится низкая вычислительная сложность алгоритмов, что позволяет за короткие промежутки времени принимать оптимальные или близкие к ним решения в условиях динамически изменяющейся ситуации.

В качестве перспективного решения рассматриваются методы роевого интеллекта (Swarm intelligence), базирующиеся на моделировании коллективного интеллекта [15]. Роевой интеллект описывает коллективное поведение децентрализованной самоорганизующейся системы, природного или искусственного происхождения. Наиболее известными роевыми алгоритмами являются [16]:

‒ алгоритм муравьиной колонии;

‒ пчелиный алгоритм;

‒ алгоритм роя частиц.

Общая схема работы роевых алгоритмов основана на выполнении следующих этапов [17]:

  1. В области поиска создаётся некоторое число начальных приближений к искомому решению задачи — инициализируется популяция агентов.
  2. С помощью набора миграционных операторов (специфической тактики для каждого из роевых алгоритмов) агенты перемещаются в области поиска таким образом, чтобы в конечном счёте приблизиться к искомому экстремуму целевой функции.
  3. Выполняется проверка условия окончания итераций. Если это условие выполнено, то вычисления завершаются. При этом в качестве приближенного решения принимается лучшее из найденных положений агентов. Если условие не выполнено — выполняется возврат к этапу 2.

Колония представляет собой систему с очень простыми правилами автономного поведения особей. Однако, несмотря на примитивность поведения каждого отдельного агента, поведение всей колонии оказывается достаточно разумным. Таким образом, основой поведения колонии служит низкоуровневое взаимодействие, благодаря которому колония в целом представляет собой разумную многоагентную систему [18].

Подводя итог, можно отметить, что использование систем мульти-БПЛА, прежде всего на основе малоразмерных моделей, способных принимать решения самостоятельно без вмешательства человека, является перспективным направлением дальнейших исследований. В статье рассмотрены основные проблемы, стоящие на пути развития и создания таких систем.

Основной акцент сделан на вопросы касающиеся управления и обеспечения связи в группе. Применение мультиагентной адаптивной системы для управления группой БПЛА позволяет снизить стоимость разработки и дальнейшей эксплуатации системы мульти-БПЛА. Для организации взаимодействия внутри группы БПЛА предложено использовать роевые алгоритмы.

Литература:

  1. Трубников Г. В. Применение беспилотных летательных аппаратов в гражданских целях [Электронный ресурс]. URL: http://www.uav.ru/articles/civil_uav_th.pdf (дата обращения 15.03.16)
  2. Амелин К. С. Адаптивное управление автономной группой беспилотных летательных аппаратов / Амелин К. С., Антал Е. И., Васильев В. И., Граничина Н. О. // Издательство Санкт-Петербургского государственного университета. — 2009. Т. 5, № 1–1. С. 157–166.
  3. Bekmezci İ., Sahingoz O. K., Temel Ş. Flying Ad-Hoc Networks (FANETs): A survey // Ad Hoc Netw. 2013. Vol. 11, № 3. P. 1254–1270.
  4. Sahingoz O. K. Mobile networking with UAVs: opportunities and challenges // Unmanned Aircraft Systems (ICUAS), 2013 International Conference on. IEEE, 2013. P. 933–941.
  5. Cheng B.-N., Moore S. A comparison of MANET routing protocols on airborne tactical networks // Military communications conference, 2012-MILCOM 2012. IEEE, 2012. P. 1–6.
  6. R. Shirani et al. Combined Reactive- Geographic routing for Unmanned Aeronautical Ad-hoc Networks. 2012. P. 820–826.
  7. Cai Y. et al. Medium Access Control for Unmanned Aerial Vehicle (UAV) Ad-Hoc Networks With Full-Duplex Radios and Multipacket Reception Capability // IEEE Trans. Veh. Technol. 2013. Vol. 62, № 1. P. 390–394.
  8. Bök P.-B., Tüchelmann Y. Context-aware qos control for wireless mesh networks of uavs // Computer Communications and Networks (ICCCN), 2011 Proceedings of 20th International Conference on. IEEE, 2011. P. 1–6.
  9. Rohde S. et al. Link quality dependent mobility strategies for distributed aerial sensor networks // GLOBECOM Workshops (GC Wkshps), 2010 IEEE. IEEE, 2010. P. 1783–1787.
  10. Sahingoz O. K. Networking Models in Flying Ad-Hoc Networks (FANETs): Concepts and Challenges // J. Intell. Robot. Syst. 2014. Vol. 74, № 1–2. P. 513–527.
  11. ANCHORS project [Электронныйресурс]. URL: http://anchors-project.org/index.php/en/home/14-das-projekt-im-ueberblick/7-project-overview.html (датаобращения: 02.04.2016).
  12. Иванов Д. Я. Методы роевого интеллекта для управления группами малоразмерных беспилотных летательных аппаратов // Известия ЮФУ. Технические науки. — 2011. Т. 3, № 116. С. 221–229.
  13. Амелина Н. О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса // Стохастическая оптимизация в информатике. — 2011. Т. 7, № 1–1. С. 149–185.
  14. Каляев И. А., Мельник Э. В. Децентрализованные системы компьютерного управления. — Ростов на Дону: ЮНЦ РАН. 2011. 196 с.
  15. Engelbrecht A. P. Fundamentals of Computational Swarm Intelligence. John Wiley & Sons, Chichester, UK, 2005.
  16. Blum C., Roli A. Metaheuristics in combinatorial optimization: Overview and conceptual comparison // ACM Comput. Surv. CSUR. 2003. Т. 35, № 3. С. 268–308.
  17. Мохов В. А., Бородулина Е. Н. К вопросу о параметрической оптимизации роевых алгоритмов // Известия Южного Федерального Университета Технические Науки. — 2014. Т. 4, № 153. С. 230–234.
  18. Курейчик В. М., Кажаров А. А. О некоторых модификациях муравьиного алгоритма // Известия ЮФУ. Технические науки. — 2008. № 4 (81). С. 7–12.

Основные термины (генерируются автоматически): FANET, член коллектива, ANCHORS, UAV, действие, система управления, роевой интеллект, коллективный интеллект, коллективное управление, коллективное поведение.

Источник: https://moluch.ru/archive/116/31615/

Ссылка на основную публикацию