AI bruger visuel fremtoning til at estime afstande for droner

Et nyt optisk flow-baseret læreprocess udviklet af et hold af forskere ved TU Delft og Westphalian University of Applied Sciences ermöglicht robotter at estime afstande gennem den visuelle fremtoning af objekter i sigte. Den visuelle fremtoning kan inkludere faktorer som form, farve og tekstur.

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

Artiklen blev publiceret sidste måned i Nature Machine Intelligence.

Roboter vs. insekter

For at aktivere små flyvende robotter til at besidde samme niveau af autonomi, som vi ser i store selv kørende køretøjer, skal de demonstrere samme udviklede intelligens, der findes i flyvende insekter, hvilket kan gøres gennem højeffektive AI-systemer.

De små flyvende robotter, der i øjeblikket er på markedet, medfører ikke den nødvendige mængde af sensorer og proceskraft om bord, hvilket er en af de største udfordringer omkring denne teknologi.

I den naturlige verden afhænger insekter af ‘optisk flow’, som er, hvordan objekter bevæger sig i en insekts synsfelt. Denne optiske flow er, hvad der ermöglicht dem at lande på blomster og undgå rovdyr. Hvad der er overraskende ved denne optiske flow er, at den er simpel, 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 entusiasme om de elegante, simple strategier, der anvendes af flyvende insekter,” sagde han. “Men udviklingen af kontrolmetoderne til at implementere disse strategier i flyvende robotter viste sig at være langt fra trivial. For eksempel ville vores flyvende robotter ikke faktisk lande, men de startede med 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 flyver, hvilket har implikationer for hindringsundgåelse. Med andre ord har robotten mest vanskeligt med at registrere objekter, den flyver 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 ermögille robotterne at se afstande til objekter i scenen på samme måde, som vi mennesker kan estime afstande i et stille billede. 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 på under 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 for hindringsundgåelse. Dette forbedrede ikke kun hindringsdetektionspræstationen, men ermögillede også vores robotter at accelerere.”

Den nye udvikling vil have implikationer for flyvende robotter med begrænsede ressourcer, og den er specifikt nyttig for dem, der opererer i en begrænset omgivelse.