São Paulo — InkDesign News —
Pesquisadores da Universidade Técnica de Darmstadt e da Universidade de Sheffield desenvolveram uma nova abordagem em machine learning para otimizar a entrega autônoma de drones, priorizando a utilização energética enquanto maximizam a eficiência nas entregas.
Contexto da pesquisa
A eficiência na operação de drones de entrega é um desafio crescente, principalmente quando eles não têm informações completas sobre a saúde de suas baterias. A pesquisa foi conduzida em parceria com o Instituto Nacional de Pesquisa em Ciência Digital e Tecnologia da França e a empresa Ingeniarius Ltd, focando em uma estratégia de planejamento energético.
Método proposto
Os drones utilizam um sistema de lances baseado em leilão, onde cada um deles bida conforme seu nível de bateria e confiança na realização da tarefa. O drone que apresenta a menor confiança vence o leilão, o que contrariamente ao esperado, mostrou-se mais eficaz. Essa abordagem permite que os drones aprendam com seus erros e ajustem suas avaliações de desempenho.
A pesquisa “mostra como o aprendizado online pode ajudar robôs a enfrentar desafios do mundo real.” (“This work shows how online learning can help robots cope with real-world challenges.”)
— Dr. Mohamed Talamali, Universidade de Sheffield
Resultados e impacto
Os testes realizados em um simulador avançado por oito semanas revelaram um aumento considerável nas taxas de entrega e redução nos tempos de entrega comparado a estratégias convencionais. Os drones conseguiram distribuir suas tarefas de maneira mais inteligente, considerando suas limitações energéticas. Além disso, em uma versão estendida do experimento, drones puderam se preparar para atender tarefas apenas após recarregarem seus níveis de bateria, promovendo alocação de recursos de maneira mais eficaz.
“Essa abordagem pode ser aplicada para gerenciar frotas heterogêneas de drones.” (“This approach can also be used to efficiently manage heterogeneous fleets.”)
— Professor Roderich Groß, Universidade Técnica de Darmstadt
Esses avanços podem facilitar a criação de sistemas de entrega autônomos mais confiáveis e otimizados, com o potencial para operar entre vários centros de distribuição, reduzindo custos e melhorando a logística.
Fonte: (TechXplore – Machine Learning & AI)
