ระบบขนส่งสิ่งของด้วยโดรนหลายตัวแบบปลอดภัยผ่านการเรียนรู้แบบเสริมกำลังและการจำลองเสมือนจริง

การใช้โดรนหลายตัวร่วมกันขนส่งสิ่งของมีอุปสรรคสำคัญอยู่ที่ความซับซ้อนของแรงกระทำระหว่างโดรน สายเคเบิล และสิ่งของ งานวิจัยนี้จึงนำเสนอเฟรมเวิร์กการเรียนรู้ที่ใช้การจำลองแบบ 2D Abstraction เพื่อลดความซับซ้อนในการคำนวณแต่ยังคงรักษาความสัมพันธ์ที่สำคัญไว้สำหรับการประสานงานและความปลอดภัย

ทีมวิจัยใช้อัลกอริทึม DGPPO (Discrete Graph Control Barrier Function Proximal Policy Optimization) ในการฝึกฝนแบบกระจายตัว (Distributed policy) โดยใช้เทคนิค domain randomization เพื่อให้ระบบสามารถรับมือกับขนาดทีมและพารามิเตอร์ทางกายภาพที่เปลี่ยนไปได้ ระบบนี้สามารถโอนย้ายความรู้จากโลกเสมือนสู่โลกจริง (Zero-shot sim-to-real transfer) ได้ทันทีโดยไม่ต้องปรับจูนใหม่

ผลการทดสอบแสดงให้เห็นว่านโยบายการควบคุมเดียวสามารถปรับใช้ได้กับทีมโดรนที่มีจำนวนต่างกัน และยังสามารถทำงานในสภาพแวดล้อมที่มีการเคลื่อนไหวตลอดเวลา โดยโดรนทีมอื่นจะถูกมองเป็นอุปสรรคเคลื่อนที่ที่ต้องหลบหลีกอย่างปลอดภัย