AI bruger visuel fremtoning til at estime afstande for droner

Et nyt optisk flow-baseret læreprocess udviklet af en gruppe forskere fra TU Delft og Westphalian University of Applied Sciences gør det muligt for robotter at estime afstande gennem den visuelle fremtoning af objekter i sigte. Den visuelle fremtoning kan omfatte faktorer som form, farve og tekstur.

Ved at bruge denne AI-baserede lærestrategi kan navigationen af små flyvende droner forbedres.

Artiklen blev offentliggjort sidste måned i Nature Machine Intelligence.

Roboter vs. Insekter

For at gøre det muligt for små flyvende robotter at have samme niveau af selvstændighed, som vi ser i store selv kørende køretøjer, skal de kunne vise samme udviklede intelligens, som findes i flyvende insekter, hvilket kan opnås gennem højeffektive AI-systemer.

De små flyvende robotter, der i øjeblikket er på markedet, har ikke nok sensorer og proceskraft ombord, hvilket er en af de største udfordringer vedrørende denne teknologi.

I den naturlige verden bruger insekter ‘optisk flow’, som er, hvordan objekter bevæger sig i insektets synsfelt. Denne optiske flow er, hvad der gør det muligt for dem at lande på blomster og undgå rovdyr. Det overraskende ved denne optiske flow er, at den er enkel, på trods af at den bruges til komplekse opgaver.

Guido de Croon er professor i Bio-inspirerede Micro Air Vehicles og første forfatter af artiklen.

“Vores arbejde med optisk flow-kontrol startede fra begejstring over de elegante, enkle strategier, der blev brugt af flyvende insekter,” sagde han. “Men udviklingen af kontrolmetoderne til at implementere disse strategier i flyvende robotter viste sig at være langt fra trivialt. For eksempel ville vores flyvende robotter ikke faktisk lande, men de begyndte at oscillere, kontinuerligt gå op og ned, lige over landingsoverfladen.”

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

Optisk Flow

Der er to hovedbegrænsninger for optisk flow. Først giver den blandet information om afstand og hastighed, og den giver ikke information om hver af de to separat. Anden, den optiske flow er meget lille i retningen, dronen bevæger sig, hvilket har implikationer for hindringsundgåelse. Med andre ord har robotten de største vanskeligheder med at detektere objekter, den bevæger sig imod.

“Vi indså, at begge problemer med optisk flow ville forsvinde, hvis robotterne kunne fortolke ikke kun optisk flow, men også den visuelle fremtoning af objekter i deres omgivelser,” sagde Guido de Croon. “Dette ville gøre det muligt for robotter at se afstande til objekter i scenen på samme måde, som vi mennesker kan estime afstande i et stillebillede. Det eneste spørgsmål var: Hvordan kan en robot lære at se afstande på den måde?”

I den nye tilgang, der er udviklet af forskerne, afhænger robotterne af oscillationer for at lære, hvordan objekter i deres omgivelser ser ud afhængigt af afstanden. For eksempel kan en drone lære, hvor fint teksturen af græs er afhængigt af højden, den er ved landing.

Christophe De Wagter er forsker ved TU Delft og medforfatter af artiklen.

“At lære at se afstand gennem visuel fremtoning ledte til meget hurtigere, glattere landinger end vi opnåede før,” sagde han. “Desuden kunne robotterne nu også se hindringer i flyveretningen meget tydeligt. Dette forbedrede ikke kun hindringsdetektionspræstationen, men tillod også vores robotter at accelerere.”

Den nye udvikling vil have implikationer for flyvende robotter, der har begrænsede ressourcer, og det er specifikt nyttigt for dem, der opererer i et begrænset miljø.