Wraz z dynamicznym rozwojem nowych technologii naukowcy coraz częściej sięgają po zagadnienia z teorii sterowania. Dzięki dogłębnej analizie procesów zachodzących w naturze badacze mogą wypracować modele matematyczne, umożliwiające stworzenie systemu sterowania, który pozwoli zmusić konkretne obiekty do pracy w pożądany sposób. Badania te sprawdzą się zarówno podczas opracowywania nowoczesnych napędów na potrzeby lotnictwa, jak i w branży motoryzacyjnej, do usprawnienia inteligentnych samochodów.
– Teoria sterowania ma zastosowanie wszędzie, w bardzo wielu kierunkach, m.in. w telekomunikacji i biomedycynie. Sterowanie adaptacyjne i stochastyczne to są bardzo ważne rzeczy, każdy system ma w sobie jakąś przypadkowość i niepewność. Mózg jest uważany za jeden z najtrudniejszych systemów, tak samo jak finanse czy market – mówi agencji informacyjnej Newseria Innowacje Bozenna Pasik-Duncan z Uniwersytetu w Kansas.
Badaniami nad systemami sterowania stochastycznego i adaptacyjnego zajmują się naukowcy z AFOSR (Air Force Office of Scientific Research). Ich praca ma pomóc w opracowaniu m.in. innowacyjnych napędów na potrzeby lotnictwa cywilnego, wojskowego oraz branży kosmicznej. Teoria sterowania pomaga zrozumieć procesy zachodzące zarówno podczas lotu samolotem, jak i podczas przemieszczania się satelitów na orbicie okołoziemskiej.
Studia nad teorią sterowania prowadzą także naukowcy odpowiedzialni za tworzenie inteligentnych samochodów. Aby stworzyć pojazd, który będzie w stanie podejmować autonomiczne decyzje bez udziału człowieka, należy opracować system sterowania, który będzie w stanie przewidzieć, jak auto zachowuje się np. na danej powierzchni przy konkretnej szybkości. Dzięki temu komputer pokładowy będzie w stanie precyzyjnie zaplanować kolejne manewry, kiedy inne auto nagle zajedzie mu drogę czy kiedy pieszy wybiegnie na ulicę.
– Najnowocześniejsze zastosowania teorii sterowania i systemów spotykamy w samolotach. W niedługiej przyszłości samochody będą jeździły bez kierowcy, tu także teoria sterowania ma zastosowanie – mówi Bożenna Pasik-Duncan.
Z kolei badacze z Uniwersytetu w Delaware oraz Uniwersytetu Wirginii twierdzą, że zagadnienia z teorii sterowania sprawdzą się podczas wdrażania zaawansowanych systemów urządzeń połączonych działają w ramach inteligentnych miast.
Wykorzystanie sterowania adaptacyjnego i stochastycznego umożliwi analizowanie w czasie rzeczywistym położenia oraz celu podróży inteligentnych aut, a następnie takie skoordynowanie ich trasy podróży oraz cyklów świateł, aby usprawnić ruch miejski i uczynić go bardziej bezpiecznym. Systemy autonomicznego sterowania tkanką miejską pozwolą okiełznać chaos na drogach i opracować optymalną trasę przejazdu dla każdego pojazdu.
– Teraz pracujemy nad rzeczą, której dotychczas nie było. Są to pierwsze wyniki, gdzie szum, jakiekolwiek zakłócenie w systemie jest opisane procesem, który nie jest markowskim procesem – opowiada Bozenna Pasik-Duncan.
Proces markowski to proces stochastyczny, w którym do wyznaczenia prawdopodobieństwa przebywania procesu w konkretnym zbiorze w dowolnym momencie w przyszłości wystarczy znajomość położenia w bieżącym momencie. Przykładem procesu Markowa jest np. zajmowanie i zwalnianie łączy w centrali telefonicznej. Opisanie zakłóceń jako procesu niemarkowskiego otworzy dalsze pole do prac nad usprawnianiem sterowania.
– W każdym systemie jest jakieś zakłócenie, jest tzw. szum i ten szum trzeba modelować. Sposób jego modelowania to jest na razie największe wyzwanie. Nie każdy proces, który jest znany i doskonale opanowany, spełnia warunki praktyczne. Dlatego trzeba dobrać taki model, taki proces, który będzie spełniał warunki praktyczne, i to jest to, nad czym pracujemy – tłumaczy ekspertka.
Analitycy MarketsandMarkets szacują, że rynek rozwiązań z zakresu sztucznej inteligencji dla przemysłu do końca 2023 roku osiągnie wartość 4,88 mld dol. W najbliższych latach będzie się rozwijał w tempie ponad 52 proc. średniorocznie.
