Hitech logo

Кейсы

DARPA тестирует аэростаты, которым не надо спускаться на землю

TODO:
Роман Окашин16 ноября 2018 г., 06:42

Специалисты исследовательского крыла Минобороны США оснастили воздушные шары сенсорами, которые позволяют им парить в потоках воздуха. Такие аэростаты могут проводить длительные исследования в атмосфере или раздавать сетевой сигнал.

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

Ученые видят множество применений для аэростатов, способных месяцами и годами висеть на границе с космосом. Одно из очевидных — более дешевая альтернатива геостационарным спутникам. Аэростат можно поднять в стратосферу, откуда он, питаясь энергией солнца, будет раздавать интернет-сигнал в отдаленные или изолированные стихией регионы.

Идея очень похожа на проект Loon от Alphabet. Недавно инженеры проекта отчитались об успехах: им удалось передать сигнал на расстояние в 1000 км — для этого понадобилось семь воздушных шаров.

С тем же успехом аэростаты DARPA будут следить за погодой, ураганами или выявлять морские загрязнения. А в будущем с шаров, висящих на границе атмосферы, любопытные туристы смогут посмотреть на искривляющийся горизонт Земли, пишет MIT Technology Review.

Еще в 1950 годах NASA использовало воздушные шары для запуска в стратосферу и проведения научных миссий. Похожие шары используют и сегодня, изменилось лишь научное оборудование.

Инженеры объясняют, что и ранние шары NASA, и аэростаты Project Loon имеют общий недостаток — они находятся в нужной области лишь ограниченное время.

На уровне стратосферы — 18300 метров — дуют ветра самых разных направлений. Они смещают летательный аппарат, что требует его посадки. Чтобы стабилизировать шар, нужно знать, куда подует ветер. Предсказать это помогут датчики и машинное обучение — после чего двигатель скорректирует высоту, поймав необходимый воздушный поток.

Ученые хотят научиться максимально точно определять воздушные потоки. Команда исследователей из США и Канады использовала машинное обучение, чтобы научить планер с ИИ фиксировать восходящие тепловые потоки и увеличить продолжительность полета.