Umělá inteligence využívá vzhled k odhadu vzdálenosti pro drony

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

Používáním této strategie založené na umělém inteligentním učení 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 efektivních systémů umělé inteligence.

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

V přírodě 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 profesor bio-inspirovaných mikro leteckých vozidel a první autor článku.

„Naše práce na optickém toku začala z nadšení pro elegantní, jednoduché strategie, které používají létající hmyz,“ řekl. „Nicméně, vývoj kontrolních metod pro implementaci těchto strategií v létajících robotech se ukázal být daleko od triviálního. Například, naši létající roboti nepravděpodobně přistáli, ale začali oscilovat, 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, poskytuje smíšené informace o vzdálenosti a rychlosti, a neposkytuje informace o každé z nich samostatně. Druhé, optický tok je velmi malý ve směru, ve kterém se drone pohybuje, což má důsledky pro vyhýbání se překážkám. Jinými slovy, robot má největší potíže s detekcí objektů, směrem, ve kterém se pohybuje.

“Zjistili jsme, že obě problémy optického toku by zmizely, kdyby roboti byli schopni interpretovat nejen optický tok, ale také vizuální 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 statické fotografii. Jedinou otázkou bylo: Jak může robot naučit vidět vzdálenosti takto?”

V novém přístupu vyvinutém výzkumníky se roboti spoléhají na oscilace, 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, ve které se nachází během přistání.

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

“Naučit se vidět vzdálenost pomocí vizuálního vzhledu vedlo k mnohem rychlejším a hladším přistáním, než jsme dosáhli dříve,” řekl. „Navíc, pro vyhýbání se překážkám, roboti byli nyní také 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, které mají omezené zdroje, a je özellikle užitečný pro ty, které operují v omezeném prostředí.