Teknologi drone baru menggunakan sinyal yang terinspirasi dari alam untuk memprediksi kegagalan sebelum kecelakaan
Para peneliti dari Delft University of Technology dan Wageningen University & Research telah mengembangkan metode yang memungkinkan drone mengenali kapan mereka mendekati kegagalan, sehingga memberi mereka kemampuan untuk beradaptasi sebelum kehilangan kendali. Pendekatan ini meminjam konsep dari alam yang dikenal sebagai “perlambatan kritis,” sebuah fenomena yang memberi sinyal ketika ekosistem mendekati titik kritis. Para peneliti menemukan prinsip yang sama dapat digunakan untuk mengidentifikasi tanda-tanda awal ketidakstabilan dalam sistem yang dikendalikan secara aktif seperti drone, pesawat terbang, dan kendaraan otonom. Tidak seperti metode pemantauan konvensional yang mengandalkan model fisik terperinci, teknik baru ini menggunakan data dari sensor terpasang untuk mendeteksi perubahan halus dalam cara sistem merespons gangguan. Para peneliti mengatakan hal ini dapat membantu drone terus beroperasi dengan aman bahkan setelah mengalami kerusakan. Pekerjaan ini dapat meningkatkan keamanan sistem otonom karena sistem ini menjadi lebih umum digunakan dalam berbagai aplikasi mulai dari pengiriman paket hingga inspeksi infrastruktur dan tanggap darurat. Alam menginspirasi ketahanan Para peneliti membandingkan teknologi ini dengan cara manusia merespons cedera secara alami. “Anda dapat membandingkan pendekatan kami dengan cara manusia merasakan rasa sakit. Setelah cedera, rasa sakit memberikan umpan balik langsung tentang kondisi kita dan membantu kita menilai tindakan apa yang tetap aman,” kata Jasper van Beers, peneliti di Delft University of Technology. “Mesin pada umumnya tidak memiliki kesadaran diri seperti ini. Indikator-indikator baru, yang diperoleh dari data pengukuran real-time, menawarkan langkah pertama untuk memberikan sistem rekayasa kemampuan serupa untuk mengenali ketika mereka mendekati batas kemampuannya.” Di alam, perlambatan kritis terjadi ketika ekosistem menjadi kurang tangguh dan membutuhkan waktu lebih lama untuk pulih setelah adanya gangguan. Hutan yang sehat, misalnya, dapat pulih dengan cepat setelah musim kemarau, namun tekanan yang berulang-ulang dapat memperlambat pemulihan tersebut hingga peristiwa iklim kecil sekalipun dapat memicu keruntuhan yang meluas. Meskipun para ilmuwan telah lama menggunakan fenomena ini untuk mempelajari ekosistem dan perubahan iklim, masih belum jelas apakah fenomena ini akan berhasil pada teknologi yang terus-menerus menyesuaikan perilakunya melalui sistem kendali otomatis. Studi ini menemukan bahwa indikator peringatan dini ini dapat mendeteksi secara andal ketika sistem yang terkendali sedang bergerak menuju ketidakstabilan. Peringatan sebelum kegagalan Untuk menguji konsep tersebut, tim peneliti melakukan eksperimen di fasilitas penelitian drone CyberZoo di Delft University of Technology. Di sana, mereka dengan sengaja merusak drone, membuatnya hampir kehilangan kendali, dan menganalisis data penerbangan bersamaan dengan simulasi komputer. Eksperimen tersebut mengungkapkan kombinasi kerusakan, kondisi penerbangan, dan manuver penerbangan mana yang paling mungkin menyebabkan ketidakstabilan. Para peneliti juga menunjukkan bahwa indikator peringatan dapat membantu drone menyesuaikan perilakunya secara real time untuk mempertahankan penerbangan setelah mengalami kerusakan, seperti halnya seseorang mengubah cara berjalannya setelah pergelangan kakinya terkilir. Van Beers berkata, “Dengan menyatukan pengetahuan dari berbagai disiplin ilmu—dalam hal ini teknik kedirgantaraan dan ekologi—kami terus mendorong terobosan yang membantu menerjemahkan penelitian mendasar menjadi teknologi praktis.” Karena pendekatan ini bergantung pada data sensor onboard yang murah dibandingkan model rekayasa terperinci, para peneliti yakin pendekatan ini juga dapat digunakan untuk pemeliharaan prediktif pada pesawat, pemantauan infrastruktur, pengendalian kualitas manufaktur, dan kendaraan otonom.
Diterbitkan : 2026-07-02 23:46:00
sumber : interestingengineering.com
