I mange årtusinder, har mennesker set op til fugle, der svævede i himlen og haft drømme om selv at kunne flyve en dag.

I løbet af de sidste 115 år, er menneskeheden blevet ret gode til at skabe motordrevne flyvende køretøjer. Der er dog stadig masser af viden, vi kan drage fra den naturlige verden til at hjælpe os med at flyve mere effektivt.

The Conversation, rapporterer, at forskere baseret i Californien og Italien, har forsøgt bedre at forstå hvordan svævende fugle så som albatrossen, høgen eller ørnen, finder og navigerer termiske opdrag for at svæve.

Termaler, kan dannes og formidles med korte intervaller. Hvis du nogensinde har observeret hvordan svævende fugle flyver, vil du bemærke, at de ikke konstant klapper deres vinger for at holde sig højt. I stedet holder de deres vinger udstrakte og intuitivt navigerer vindstrømme og termiske opdrejninger, hvilket betyder at de kan flyve i lange perioder, mens de bruger meget lidt energi.

Albatrossen, den største flyvende fugleart i verden, er særlig dygtig til dette. De formår til tider, at flyve helt utrolige 16.000 kilometer på en enkelt rejse, ved hjælp af deres massive tre meter lange vingefang, til at glide over vindstrømme i himlen eller som stammer fra bevægelserne fra ​​havets bølger. Albatrossen, har endda været kendt for at krydse jorden på bare 46 dage! Mens svæveflypiloter, kan bruge instrumenter ombord til at opdage opstrømninger, er de stadig ikke så effektive, når de gør det som svævende fugle.

Forskerne brugte maskinlæring til at træne et svævefly med et 2 meter langt vingefang, til at hente og opfange miljømæssige vinkler og metoder til at navigere atmosfæriske termiske enheder autonomt. Maskinlæring som en disciplin indenfor Kunstig Intelligens, er defineret af hjemmesiden Techemergence som "Videnskaben om at få computere til at lære og handle som mennesker gør, og forbedre deres læring over tid på en autonom måde, ved at fodre dem data og information i form af observationer og virkelige interaktioner. ”

Svæveflyets instrumenter, kan registrere ændringer i vind og lave mikrojusteringer til svævebanens vinkel. Over en længere periode med mange flyvninger, og en flyvetid på i alt 16 timer, blev det autonome svævefly stadigt bedre og bedre til at foregribe, hvilke drejninger og vinkler der skal tages som reaktion på vindforholdene og derfor forblev i flyvning i længere tid. Forskernes resultater af deres undersøgelse er offentliggjort i det prestigefyldte videnskabelige tidsskrift Nature.

Konsekvenserne af denne forskning er mange. Hvis konventionelle fly skulle være mere effektive ved at bruge data fra tusindvis af flyvningstimer, og ved at bruge maskinlæring til bedre at detektere termiske opdrejninger, kunne de potentielt bruge mindre energi (brændstof) på lange strækninger, hvilket ville betyde, at lidt mindre kulstof pumpes ind i vores dyrebare atmosfære.

Naturen fortsætter med at vise os vejen!

Her på Droneland.dk, tilbyder vi en række droner der integrerer med kunstig intelligens så som DJI Mavic 2 drone serien via funktionen Active Track.

Gå til droner med kamera

Gå til drone tilbehør

Gå til robotter

Gå til el-scootere