Ии помогает удерживать воздушные шары google project loon неделями на одном месте

      Комментарии к записи Ии помогает удерживать воздушные шары google project loon неделями на одном месте отключены

Ии помогает удерживать воздушные шары google project loon неделями на одном месте

Гугл Project Loon — проект корпорации Гугл по обеспечению связью обитателей труднодоступных удаленных регионов отечественной планеты. В такие места сложно совершить стремительный канал интернет-связи. Время от времени неприятность в неудобном географическом размещении региона, время от времени — в том, что для интернет-провайдера тащить «широкий» канал связи в район, где живёт пара десятков человек, легко невыгодно.

Корпорация Гугл пара лет назад взялась за ответ этого вопроса. Инженеры компании внесли предложение создать сеть замечательных точек доступа, подвешенных на стратосферных аэростатах. В стратосфере таковой аэростат может висеть пара недель либо кроме того месяцев, раздавая интернет на большой территории.

Проект понемногу двигается вперед. В прошедшем сезоне Гугл заключил контракт с этими провайдерами, как Indosat, Telkomsel и XL Axiata. По окончании того, как аэростатная сетевая инфраструктура будет всецело развернута, эти компании будут подавать сигнал точкам доступа на аэростатах, а те — показывать сигнал в регионы, где раньше интернета или не было, или же он был весьма медленным.

Для управления аэростатом компания запатентовала собственную разработку. Действительно, тут речь заходит об управлении высотой шаров. А ведь актуально и горизонтальное смещение аэростатов под действием перемещения воздушных слоев.

Что делать в этом случае? Уход точки доступа из определенной точки чреват утратой связи.

Инженеры Гугл решили и эту проблему. Компании удалось продержать аэростат над одним из регионов Перу около 100 дней. Объект был приблизительно в одном и том же месте в течение всего этого времени, не смещаясь на критическое расстояние ни по горизонтали, ни по вертикали.

Аэростат запустили из Пуэрто-Рико. Спустя 12 дней он достиг территории Перу. В сутки навигационная совокупность совершала десятки корректирующих маневров чтобы шар двигался в нужном направлении. В случае если над сушей не было подходящих потоков воздуха, шар смещался в сторону Тихого океана, где необходимое воздушное течение пребывало. За 14 недель нахождения над территорией перу тестируемый аэростат выполнил более 20 тысяч корректировок маршрута.

Затем шар без неприятностей посадили.

Для управления собственной летающей точкой доступа корпорация применяла не сильный форму ИИ. Изначально аэростаты держали на одном и том же месте, применяя намерено созданные методы, каковые учитывали множество факторов в один момент. Это высота, координаты объекта, скорость ветра, время суток, сезон года и другое.

Неприятность в том, что, запуская стратосферный аэростат, никто точно не знает, чем это закончится: на баллон с газом действует через чур много факторов, кое-какие из которых непредсказуемы. Другими словами метод нельзя научить сходу решать появляющиеся неприятности со смещением аэростатов идеально. Исходя из этого и было решено задействовать ИИ.

«Вместо того, дабы тратить время на поддержку положения аэростатов в одном месте, мы тратим больше времени на отечественных пользователей».

Руководя аэростатом, компьютерная совокупность неспешно обучается. Отыскав оптимальное ответ в одном из случаев, она будет применять это решение и в другом случае, если условия повторяются либо близки. «Эти методы справляются с удержанием аэростатов на одном месте значительно лучше, чем оказалось бы сделать у любого человека», — заявил Сал Кандидо, ранее нёсший ответственность за одно из направлений развития Project Loon.

Автомобили справляются со своим заданием прекрасно, но не идеально. Неприятность в том, что обычно появляются новые условия, факторы, критически воздействующие на перемещение шара. В этом случае расчеты приходится проводить заново, с одновременной корректировкой курса аэростата. Кандидо защитил научную работу по стохастическому оптимальному контролю.

И привнес собственный опыт в Гугл Project Loon. Тут он решил задействовать принцип оптимального управления стохастическими совокупностями чтобы удерживать сетку аэростатов в одном месте.

Гугл применяет не сильный форму ИИ в собственных проектах не в первый раз. самые известным случаем работы корпорации с ИИ возможно назвать создание совокупности для игры в го. AlphaGo, разработка подразделения Google DeepMind, легко победила одного из сильнейших игроков мира в го Ли Седоля.

Пара месяцев спустя корпорации удалось снизить энергопотребление в собственных дата центрах на 40% благодаря второму ИИ-сервису, кроме этого созданному DeepMind.

Речи об применении возможностей нейронных сетей в Project Loon не идет. Вместо этого инженеры проекта применили базы Гауссовского процесса. Для «натаскивания» метода управления аэростатами инженеры загрузили в совокупность эти по прошлым «рейсам». Всего аэростаты проекта налетали около 17 миллионов километров.

Применяя Гауссовский процесс, навигационная совокупность может определять оптимальный курс шара, показывать, в то время, когда баллону лучше встать вверх, а в то время, когда — опуститься. Сотрудники корпорации создали модели, разрешающие прогнозировать перемещение воздушных весов на различных высотах.

Прогнозы компьютерной совокупности все еще не совершенны. В некоторых случаях она ошибается. И не вследствие того что не хорошо трудится, а вследствие того что погодные условия в стратосфере — вещь мало предсказуемая. Чтобы снизить процент неточностей, эксперты применяли стимулированное обучение компьютерной совокупности.

А также по окончании того, как сделан прогноз траектории аэростата, датчики шара и наземные системы ведут наблюдение за погодными условиями. В случае если что-то изменяется, предварительный прогноз траектории возможно поменять в соответствии с новыми данными. Вся работа ведется в реальном времени.

Кандидо говорит, что применение ИИ для управления движения и корректировки аэростатов всей сетью воздушных точек доступа произошло лишь благодаря ресурсам компании. Все вычисления производятся в ее замечательных дата-центрах. А данных, каковые требуется обработать, весьма и довольно много. По словам участников проекта Project Loon, пока что работа компьютерных совокупностей далека от совершенства.

Но кроме того при таких условиях машинное обучение трудится, и компьютеры управляются с аэростатами все лучше и лучше с течением времени.

Совершенствуются и обслуживающие совокупности. К примеру, для запуска шаров с 2015 года употребляется «Автозапускатель». Это особая платформа, при помощи которой команда из четырех человек может запускать аэростат раз в 15 мин.. До создания платформы любой отдельный запуск был целым событием.

Для успешной отправки шара в стратосферу требовалось 5–7 человек, каковые имели возможность запускать один шар в 45 мин. при скорости ветра не более 9 км/ч (на данный момент скорость ветра может быть больше это значение, достигая 24 км/ч).

Google patented Project Loon


Интересные записи на сайте:

Подобранные по важим запросам, статьи по теме: