Novo método para planejamento de implantação com reconhecimento de energia dos drones de entrega

No futuro, os drones de entrega autônoma podem avaliar independentemente se a carga restante da bateria é suficiente para as próximas entregas. Uma equipe de pesquisadores da Universidade Técnica de Darmstadt e da Universidade de Sheffield, em colaboração com o Instituto Nacional Francês de Pesquisa em Ciência e Tecnologia Digital (INRIA) e o parceiro da indústria Ingeniarius Ltd, desenvolveu um novo método para o planejamento de implantação de consciência energética.

A abordagem permite que cada drone aprenda quais ordens é capaz de cumprir, mesmo quando não conhece sua própria saúde da bateria. É demonstrado reduzir os tempos de entrega e aumentar o número de ordens processadas em comparação com as abordagens convencionais.

Em um centro de atendimento, os drones de entrega atribuem tarefas entre si usando um sistema baseado em leilão. Cada drone considera o nível atual da bateria e avalia se pode concluir a tarefa. Nesse caso, ele faz uma oferta que reflete sua confiança. O drone que vence o leilão tenta a tarefa e usa o resultado para refinar sua compreensão de suas reais recursos, que são influenciados por fatores desconhecidos, como a saúde a longo prazo de sua bateria.

Contra -intuitivamente, selecionar o licitante menos confiante como vencedor do leilão provou ser o sistema mais eficaz. Essa abordagem permitiu que os drones aprendessem com mais precisão, onde estão seus limites de desempenho e promoveu o uso mais inteligente dos recursos, implantando drones cujas capacidades foram bem compatidas para a tarefa em questão.

Os pesquisadores, liderados pelo professor Roderich Groß do Departamento de Ciência da Computação da TU Darmstadt, testaram seu método em um simulador multi-agente especialmente desenvolvido por um período de oito semanas. Os resultados mostraram que a abordagem baseada em aprendizado alcançou taxas de entrega significativamente mais altas e tempos de entrega mais curtos em comparação com as estratégias baseadas em limiar convencionais.

Em uma versão estendida, os drones foram capazes de assumir tarefas que eles poderiam concluir apenas uma vez recarregados suficientemente, permitindo uma alocação de recursos prospectivos. “Este trabalho mostra como o aprendizado on-line pode ajudar os robôs a lidar com os desafios do mundo real, como operar sem conhecimento total de suas reais recursos”, disse o Dr. Mohamed Talamali, da Universidade de Sheffield.

A abordagem também pode ser usada para gerenciar com eficiência frotas heterogêneas nas quais os drones diferem, por exemplo, devido a tolerâncias de fabricação ou desgaste individuais. Isso abre caminho para sistemas de entrega de operação autonomamente com maior confiabilidade e uso de energia otimizado. “Esses drones de entrega autônomos também podem operar em vários centros de atendimento, reduzindo ainda mais os prazos e os custos de entrega”, disse o professor Groß.

O estudo, “Pronto, lance, Go! Entrega sob demanda usando frotas de drones com restrições desconhecidas e heterogêneas de armazenamento de energia”, será apresentado em 21 de maio na 24ª Conferência Internacional sobre Agentes Autônomos e Sistemas Multiagentes (AAMAS 2025) em Detroit, EUA, e foi selecionado como finalista para o melhor documento de papel de um prêmio de mais de 1,000. O trabalho está disponível no arxiv servidor pré -impressão.