25 Settembre 2019
Grazie a tecniche di deep reinforcement learning
Messo a punto algoritmo di intelligenza artificiale per la guida autonoma di droni
Best Paper Award della XIII conferenza internazionale ICDSC per l’articolo di Gian Luca Foresti e Claudio Piciarelli del DMIF
Ottimizzare il percorso di volo dei droni in missione di sorvolo in maniera del tutto automatica senza l’intervento dell’operatore umano. È quanto permette un algoritmo messo a punto e descritto nell’articolo Drone patrolling with reinforcement learning pubblicato da Gian Luca Foresti e Claudio Piciarelli, docenti di informatica del Dipartimento di scienze matematiche, informatiche e fisiche (DMIF) dell’Università di Udine. L’articolo è stato premiato come miglior lavoro di ricerca, ottenendo il “Best paper award”, durante la 13a conferenza internazionale ICDSC (International Conference on Distributed Smart Cameras) di Trento, appuntamento annuale della comunità scientifica internazionale sulla ricerca innovativa nel campo delle reti di telecamere intelligenti, strumenti ormai fondamentali nelle città, in edifici e case intelligenti, e che si inseriscono ormai progressivamente in diversi aspetti della nostra vita quotidiana.
L’articolo descrive un algoritmo per la guida automatica di droni in missione di patrolling, letteralmente “pattugliamento”, che consiste nel sorvolare un’area di ampie dimensioni per lo svolgimento di attività specifiche, come ad esempio la ricerca di dispersi in luoghi difficilmente accessibili via terra e l’aiuto alle popolazioni colpite da calamità naturali.
«A volte – spiega Gian Luca Foresti, direttore del DMIF dell’Ateneo di Udine – l’approccio migliore è quello di coprire l’area in modo uniforme, ad esempio seguendo un percorso a zig-zag. Tuttavia, quando il contesto permette di acquisire informazioni addizionali sui diversi requisiti di patrolling dell’ambiente da osservare come ad esempio abitazioni isolate o specifiche aree di interesse, queste possono essere utilizzate per pianificare strategie di volo più efficienti». «Il lavoro presentato – precisa Claudio Piciarelli - sfrutta queste informazioni addizionali per identificare, mediante tecniche di deep reinforcement learning, un percorso di volo ottimale in maniera totalmente automatica, senza richiedere l’intervento dell’operatore umano».
Il paper di Foresti e Piciarelli ha superato dapprima la selezione, fra oltre cento lavori, per la partecipazione alla conferenza internazionale; è stato poi ammesso a tre running up e infine, fra questi, premiato come best paper.
L’articolo descrive un algoritmo per la guida automatica di droni in missione di patrolling, letteralmente “pattugliamento”, che consiste nel sorvolare un’area di ampie dimensioni per lo svolgimento di attività specifiche, come ad esempio la ricerca di dispersi in luoghi difficilmente accessibili via terra e l’aiuto alle popolazioni colpite da calamità naturali.
«A volte – spiega Gian Luca Foresti, direttore del DMIF dell’Ateneo di Udine – l’approccio migliore è quello di coprire l’area in modo uniforme, ad esempio seguendo un percorso a zig-zag. Tuttavia, quando il contesto permette di acquisire informazioni addizionali sui diversi requisiti di patrolling dell’ambiente da osservare come ad esempio abitazioni isolate o specifiche aree di interesse, queste possono essere utilizzate per pianificare strategie di volo più efficienti». «Il lavoro presentato – precisa Claudio Piciarelli - sfrutta queste informazioni addizionali per identificare, mediante tecniche di deep reinforcement learning, un percorso di volo ottimale in maniera totalmente automatica, senza richiedere l’intervento dell’operatore umano».
Il paper di Foresti e Piciarelli ha superato dapprima la selezione, fra oltre cento lavori, per la partecipazione alla conferenza internazionale; è stato poi ammesso a tre running up e infine, fra questi, premiato come best paper.