AI využívá vzhled k odhadu vzdáleností pro drony

Nový optický tok založený na procesu učení vyvinutý týmem výzkumníků z TU Delft a Westfálské univerzity aplikovaných věd umožňuje robotům odhadovat vzdálenosti prostřednictvím vzhledu objektů v zorném poli. Vzhled může zahrnovat faktory, jako je tvar, barva a textura.

Používáním této strategie učení založené na AI lze zlepšit navigaci malých létajících dronů.

Článek byl zveřejněn minulý měsíc v Nature Machine Intelligence.

Roboti vs. hmyz

Aby malé létající roboty měly stejnou úroveň autonomie, jakou mají velké samořízené vozidla, musí prokázat stejnou vyvinutou inteligenci, jakou mají létající hmyz, což lze dosáhnout pomocí vysoce efektivními systémy AI.

Malé létající roboty, které jsou目前 na trhu, nemají dostatečné množství senzorů a výpočetní síly na palubě, což je jednou z největších výzev této technologie.

V přírodním světě se hmyz spoléhá na “optický tok”, který je způsob, jakým se objekty pohybují v zorném poli hmyzu. Tento optický tok umožňuje hmyzu přistát na květech a vyhnout se predátorům. Co je překvapivé na tomto optickém toku, je to, že je jednoduchý, přestože se používá pro složité úkoly.

Guido de Croon je profesorem bio-inspirovaných mikro leteckých vozidel a prvním autorem článku.

“Naše práce na optickém toku začala z nadšení pro elegantní, jednoduché strategie, které používá létající hmyz,” řekl. “Nicméně, vývoj kontrolních metod pro implementaci těchto strategií v létajících robotech se ukázal být daleko od triviálního. Například naši létající roboti by nepravděpodobně přistáli, ale začali kmitat, neustále stoupali a klesali, právě nad přistávací plochou.”

https://www.youtube.com/watch?v=A50Wl311rmU&feature=emb_title

Optický tok

Existují dvě hlavní omezení optického toku. První je, že poskytuje smíšené informace o vzdálenosti a rychlosti, a neposkytuje informace o každé z nich zvlášť. Druhé je, že optický tok je velmi malý ve směru, kterým se drone pohybuje, což má důsledky pro vyhýbání se překážkám. Jinými slovy, robot má největší potíže s detekcí objektů, kterým se blíží.

“Zjistili jsme, že obě problémy optického toku by zmizely, kdyby roboti byli schopni interpretovat nejen optický tok, ale také vzhled objektů ve svém prostředí,” řekl Guido de Croon. “To by umožnilo robotům vidět vzdálenosti k objektům v scéně podobně jako lidé mohou odhadovat vzdálenosti na statickém obrázku. Jedinou otázkou bylo: Jak může robot naučit vidět vzdálenosti takto?”

V novém přístupu vyvinutém výzkumníky se roboti spoléhají na kmity, aby se naučili, jak vypadají objekty ve svém prostředí v závislosti na vzdálenosti. Například drone může naučit, jak jemná je textura trávy v závislosti na výšce, na které se nachází během přistání.

Christophe De Wagter je výzkumník z TU Delft a spoluautor článku.

“Naučit se vidět vzdálenost prostřednictvím vzhledu vedlo k mnohem rychlejším a plynulejším přistáním, než jsme dosáhli dříve,” řekl. “Navíc pro vyhýbání se překážkám byli roboti nyní schopni vidět překážky ve směru letu velmi jasně. To nejenom zlepšilo výkon detekce překážek, ale také umožnilo našim robotům zrychlit.”

Nový vývoj bude mít důsledky pro létající roboty s omezenými zdroji a je özellikle užitečný pro ty, které operují v uzavřených prostředích.