Cansado de turbulência? Futuros aviões de passageiros poderiam usar IA para manter uma experiência de voo tranquila em tempo real
Os cientistas desenvolveram uma técnica que poderia mitigar os efeitos da turbulência em estruturas e veículos dinâmicos, com foco particular em veículos aéreos não tripulados (UAVs).
Turbulência é o nome que damos às mudanças na pressão do ar que fazem as aeronaves tremerem. Isto é mais aparente quando uma aeronave treme ao passar por mudanças na pressão do ar durante o vôo. Isto é diferente dos animais voadores, que desenvolveram uma capacidade natural de sentir as mudanças no seu ambiente que causam turbulência e de se ajustarem rapidamente para manter um voo suave.
Pesquisa publicada em 24 de setembro na revista Robótica NPJdescreveu como os cientistas poderiam desenvolver uma técnica de controle para aeronaves. A técnica exigia o uso de um inteligência artificial (AI) chamado FALCON para ajustar automaticamente o vôo para compensar a turbulência.
A aprendizagem por reforço – um método de treinamento de IA – foi usada anteriormente para desenvolver sistemas de controle aumentados por IA, mas apenas para ambientes ou veículos específicos. O FALCON, por outro lado, foi treinado para compreender os princípios subjacentes que causam turbulência, a fim de se adaptar a quaisquer condições.
O FALCON é baseado em métodos de Fourier, que utilizam ondas senoidais complexas para representar dados. Os pesquisadores descobriram que representar digitalmente as condições do vento como ondas periódicas forneceu um meio eficaz de modelar a turbulência, já que o fluxo e refluxo do vento e seus efeitos seguem naturalmente um padrão de onda.
Relacionado: Novo combustível de aviação para ‘águas residuais’ poderia reduzir as emissões dos aviões em 70%
“O uso do aprendizado por reforço para adaptação em tempo real é notável, pois aprende o modelo de turbulência subjacente”, Héver Moncayoprofessor de engenharia aeroespacial da Universidade Aeronáutica Embry-Riddle disse à Ciência Viva. “Acredito que esta tecnologia é muito viável, especialmente com as capacidades computacionais atuais como Jetsonque suportam integração em tempo real de aprendizagem adaptativa, análise de Fourier e computação.”
Os cientistas testaram a IA em um túnel de vento no Caltech, usando uma asa de aerofólio para representar um UAV e equipando-o com sensores de pressão e superfícies de controle. Ele os usou para detectar mudanças de pressão e ajustar sua inclinação e guinada conforme necessário para manter a estabilidade. Um cilindro móvel também foi colocado a montante da asa no túnel de vento para gerar flutuações aleatórias na turbulência.
Verificou-se que após nove minutos de aprendizagem, onde o FALCON tentava continuamente adaptar-se à mudança de turbulência e realimentar os resultados, a IA conseguia manter a estabilidade do aerofólio no túnel de vento.
“Os testes em túnel de vento do Caltech mostram que o FALCON pode aprender em minutos, indicando escalabilidade para aeronaves maiores”, disse Moncayo. “No entanto, os desafios do mundo real permanecem, particularmente na rápida adaptação a condições diversas e imprevisíveis e na validação do desempenho em diversas configurações de UAV e ambientes eólicos.”
Ao permitir a adaptação automatizada à turbulência, esta pesquisa tem o potencial de levar a um voo mais suave para UAVs e aeronaves comerciais. Os pesquisadores também sugeriram a possibilidade de compartilhar dados ambientais entre aeronaves para alertar sobre perturbações. No entanto, dadas as preocupações de segurança cibernética em torno dos sistemas de controlo das aeronaves, isto exigiria um protocolo de segurança robusto que precisaria de ser cuidadosamente revisto e testado com antecedência.
“O desenvolvimento contínuo provavelmente se concentrará no refinamento da precisão das previsões e na redução do tempo de treinamento, o que é viável, mas complexo”, disse Moncayo. “Além disso, o compartilhamento de informações entre aeronaves aumentará o poder preditivo do sistema, mas provavelmente exigirá padrões de comunicação robustos e protocolos de tratamento de dados para uma adoção mais ampla”.
A próxima etapa da pesquisa visa reduzir o tempo de aprendizagem da IA. É provável que este se torne o principal desafio dos investigadores, uma vez que a capacidade de adaptação rápida às condições ambientais é essencial para uma solução prática para a turbulência.
