Le ballon Loon d’Internet d’Alphabet est maintenu en station dans le ciel grâce à une IA qui bat le code de contrôle développé par l’homme

  • FrançaisFrançais


  • Loon, connu pour ses ballons géants à large bande, dit avoir trouvé comment utiliser des algorithmes d’apprentissage automatique pour maintenir ses nobles véhicules en place de manière autonome dans la stratosphère.

    Les ballons de 15 mètres de large relaient les connexions Internet entre les maisons et les stations terrestres qui pourraient être distantes de plusieurs milliers de kilomètres. Pour former un réseau stable capable d’acheminer les données de manière fiable sur de longues distances, les ballons doivent rester en place et le faire tout seuls.

    La solution basée sur l’IA de Loon à ce problème de maintien de la station a été décrite dans un article de recherche publié dans Nature mercredi, et fonctionne essentiellement en ajustant l’altitude des ballons pour capter les bons courants de vent pour s’assurer qu’ils sont là où ils doivent être.

    Le logiciel d’apprentissage automatique, nous dit-on, a réussi à maintenir les sacs d’essence Loon dans le ciel au-dessus de l’océan Pacifique dans une expérience qui a duré 39 jours. Auparavant, l’équipe de Loon utilisait un contrôleur non AI qui utilisait un algorithme artisanal connu sous le nom de StationSeeker pour faire le travail, mais a décidé d’expérimenter pour voir s’il pouvait trouver une méthode plus efficace utilisant l’apprentissage automatique.

    «Pour autant que nous le sachions, il s’agit du premier déploiement au monde de l’apprentissage par renforcement dans un système aérospatial de production», a déclaré Salvatore Candido, directeur technique de Loon.

    Facebook tue tranquillement son programme de drone Internet autonome Aquila

    LIRE LA SUITE

    L’IA est construite à partir d’un réseau de neurones à réaction qui apprend à décider si un ballon doit voler vers le haut ou vers le bas en tenant compte de variables telles que la vitesse du vent, l’élévation solaire et la quantité d’énergie restante de l’équipement. La décision est ensuite transmise à un système de contrôleur pour déplacer le ballon en place.

    En entraînant le modèle en simulation, le réseau de neurones s’est progressivement amélioré au fil du temps en utilisant l’apprentissage par renforcement, car il répétait la même tâche encore et encore dans différents scénarios. Loon a testé les performances de StationSeeker par rapport au modèle d’apprentissage par renforcement en simulation.

    “Un essai consiste en deux jours simulés de maintien en poste à un endroit fixe, pendant lesquels les contrôleurs reçoivent des entrées et émettent des commandes à des intervalles de 3 minutes”, selon le document. La performance a ensuite été jugée par la durée pendant laquelle les ballons pouvaient rester dans un rayon de 50 km d’une hypothétique station au sol.

    L’algorithme d’IA a obtenu une efficacité de 55,1%, contre 40,5% pour StationSeeker. Les chercheurs estiment que l’algorithme autonome présente des performances presque optimales, considérant que les meilleurs modèles théoriques atteignent entre 56,8 et 68,7%.

    Lorsque Loon et Google ont exécuté le contrôleur dans le cadre de l’expérience réelle, qui impliquait un ballon planant au-dessus de l’océan Pacifique, ils ont constaté: “Dans l’ensemble, le [reinforcement learning] Le système maintenait plus souvent les ballons à portée de l’emplacement souhaité tout en utilisant moins d’énergie … En utilisant moins d’énergie pour diriger le ballon, il y avait plus d’énergie disponible pour connecter les gens à Internet, à l’information et à d’autres personnes. “

    Le ballon transporte une charge utile d’environ 100 kg, emportant avec lui divers appareils électroniques pour collecter l’énergie solaire et du matériel de communication. Faire voler un ballon à un endroit spécifique est un problème tout à fait différent.

    «Un système de répartition de la flotte attribue chaque ballon à un emplacement particulier, et un contrôleur de navigation l’amène à proximité de cet emplacement avant de passer le contrôle au contrôleur de maintien en poste», explique le document.

    Loon continuera à tester ses ballons pour fournir un service haut débit sans fil dans les zones dépourvues de câbles à fibres optiques traditionnels. Il en a envoyé un au Kenya et prévoit d’en envoyer un autre en Amérique du Sud via la forêt amazonienne. ®

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *