KI nutzt visuelles Erscheinungsbild, um Entfernungen für Drohnen zu schätzen

Ein neues, auf optischem Fluss basierendes Lernverfahren, das von einem Team von Forschern der TU Delft und der Westfälischen Hochschule für Angewandte Wissenschaften entwickelt wurde, ermöglicht es Robotern, Entfernungen durch das visuelle Erscheinungsbild von Objekten in Sicht zu schätzen. Das visuelle Erscheinungsbild kann Faktoren wie Form, Farbe und Textur umfassen.

Durch die Verwendung dieser AI-basierten Lernstrategie kann die Navigation von kleinen fliegenden Drohnen verbessert werden.

Der Artikel wurde letzten Monat in Nature Machine Intelligence veröffentlicht.

Roboter vs. Insekten

Um es kleinen fliegenden Robotern zu ermöglichen, das gleiche Maß an Autonomie wie große selbstfahrende Fahrzeuge zu besitzen, müssen sie die gleiche entwickelte Intelligenz wie fliegende Insekten aufweisen, was durch hoch effiziente KI-Systeme erreicht werden kann.

Die kleinen fliegenden Roboter, die derzeit auf dem Markt sind, verfügen nicht über die notwendige Menge an Sensoren und Rechenleistung an Bord, was eine der größten Herausforderungen bei dieser Technologie darstellt.

In der Natur verlassen sich Insekten auf den “optischen Fluss”, also darauf, wie Objekte in ihrem Blickfeld sich bewegen. Dieser optische Fluss ermöglicht es ihnen, auf Blumen zu landen und Raubtieren auszuweichen. Was an diesem optischen Fluss überraschend ist, ist, dass er einfach ist, obwohl er für komplexe Aufgaben verwendet wird.

Guido de Croon ist Professor für Bio-inspirierte Mikro-Luftfahrzeuge und Erstautor des Artikels.

“Unsere Arbeit an der optischen Flusssteuerung begann mit der Begeisterung über die einfachen, eleganten Strategien, die von fliegenden Insekten eingesetzt werden”, sagte er. “Allerdings stellte sich die Entwicklung der Steuerungsmethoden, um diese Strategien in fliegenden Robotern umzusetzen, als weit von trivial heraus. Zum Beispiel landeten unsere fliegenden Roboter nicht tatsächlich, sondern begannen zu oszillieren, indem sie kontinuierlich auf und ab über der Landefläche fuhren.”

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

Optischer Fluss

Es gibt zwei Hauptbeschränkungen des optischen Flusses. Erstens liefert er gemischte Informationen über Entfernung und Geschwindigkeit und liefert keine Informationen über jede der beiden getrennt. Zweitens ist der optische Fluss in der Richtung, in die die Drohne sich bewegt, sehr gering, was Auswirkungen auf die Hindernisvermeidung hat. Mit anderen Worten hat der Roboter die meisten Schwierigkeiten, Objekte zu erkennen, auf die er sich bewegt.

“Wir haben erkannt, dass beide Probleme des optischen Flusses verschwinden würden, wenn die Roboter nicht nur den optischen Fluss, sondern auch das visuelle Erscheinungsbild von Objekten in ihrer Umgebung interpretieren könnten”, sagte Guido de Croon. “Dies würde es den Robotern ermöglichen, Entfernungen zu Objekten in der Szene ähnlich wie wir Menschen Entfernungen in einem Stillbild schätzen können. Die einzige Frage war: Wie kann ein Roboter lernen, Entfernungen so zu sehen?”

Im neuen Ansatz, den die Forscher entwickelt haben, verlassen sich die Roboter auf Oszillationen, um zu lernen, wie Objekte in ihrer Umgebung aussehen, abhängig von der Entfernung. Zum Beispiel kann eine Drohne lernen, wie fein die Textur des Grases ist, abhängig von der Höhe, in der sie während der Landung ist.

Christophe De Wagter ist Forscher an der TU Delft und Co-Autor des Artikels.

“Das Lernen, Entfernungen durch das visuelle Erscheinungsbild zu schätzen, führte zu viel schnelleren, sanfteren Landungen als wir zuvor erreicht haben”, sagte er. “Außerdem konnten die Roboter für die Hindernisvermeidung nun auch Hindernisse in der Flugrichtung sehr klar sehen. Dies verbesserte nicht nur die Leistung der Hinderniserkennung, sondern ermöglichte es unseren Robotern auch, schneller zu fliegen.”

Die neue Entwicklung wird Auswirkungen auf fliegende Roboter haben, die über begrenzte Ressourcen verfügen, und sie ist insbesondere nützlich für solche, die in einem begrenzten Umfeld operieren.