Η Τεχνητή Νοημοσύνη Κάνει Εύκολη την Σκάνερ και την Εκσκαφή του Εδάφους για τα Drone

Ερευνητές από το Πανεπιστήμιο του Ώρχους (AU) και το Τεχνικό Πανεπιστήμιο της Δανίας (DTU) έχουν συνεργαστεί σε ένα πρότζεκτ που έχει ως στόχο να μειώσει το κόστος μέτρησης και τεκμηρίωσης λατομείων άμμου και ασβέστου, ενώ ταυτόχρονα είναι γρηγορότερο και ευκολότερο από την παραδοσιακή μέθοδο.

Το πρότζεκτ περιελάμβανε τη χρήση τεχνητής νοημοσύνης (AI), η οποία ανέλαβε τον έλεγχο των drone που ελέγχονται παραδοσιακά από ανθρώπους και χρησιμοποιούνται για την ολοκλήρωση της εργασίας.

Ο Erdal Kayacan είναι αναπληρωτής καθηγητής και εμπειρογνώμων στην τεχνητή νοημοσύνη και τα drone στο Τμήμα Μηχανικής του Πανεπιστημίου του Ώρχους.

«Έχουμε κάνει όλη τη διαδικασία πλήρως αυτοματοποιημένη. Λέμε στο drone πού να αρχίσει, και το πλάτος του τοίχου ή της βραχώδους επιφάνειας που θέλουμε να φωτογραφήσουμε, και στη συνέχεια πετάει σε zig-zag όλη τη διαδρομή και προσγειώνεται αυτόματα», λέει ο Kayacan.

Περιορισμοί των Drone που Ελέγχονται από Ανθρώπους

Η τρέχουσα μέθοδος μέτρησης και τεκμηρίωσης λατομείων άμμου και ασβέστου, τοίχων και άλλων φυσικών και ανθρωπογενών σχηματισμών βασίζεται σε drone για να φωτογραφήσει την περιοχή. Ένας υπολογιστής στη συνέχεια λαμβάνει τις ηχογραφήσεις και αυτόματα μετατρέπει όλα και δημιουργεί ένα τρισδιάστατο μοντέλο εδάφους.

Ένας από τους μειονεκτήματα αυτής της μεθόδου είναι ότι οι πιλότοι των drone κοστίζουν πολύ, και οι μετρήσεις είναι χρονοβόρες. Σε μια εκσκαφή, ο πιλότος του drone πρέπει να βεβαιωθεί ότι το drone διατηρεί μια σταθερή απόσταση από τον τοίχο. Ταυτόχρονα, η κάμερα του drone πρέπει να κρατηθεί κάθετη στον τοίχο, καθιστώντας το μια σύνθετη και δύσκολη εργασία.

Για να μετατρέψει ο υπολογιστής και να δημιουργήσει ένα τρισδιάστατο σχήμα από τις εικόνες, πρέπει να υπάρχει μια συγκεκριμένη επικάλυψη στις εικόνες. Αυτή είναι η κύρια διαδικασία που αυτοματοποιήθηκε από την τεχνητή νοημοσύνη, και μειώνει δραστικά την πολυπλοκότητα της ολοκλήρωσης της εργασίας.

«Ο αλγόριθμος μας διασφαλίζει ότι το drone διατηρεί πάντα την ίδια απόσταση από τον τοίχο και ότι η κάμερα επανατοποθετείται συνεχώς κάθετα στον τοίχο. Ταυτόχρονα, ο αλγόριθμος μας προβλέπει τις δυνάμεις του ανέμου που δρουν στο σώμα του drone», λέει ο Kayacan.

Η Τεχνητή Νοημοσύνη Ξεπερνά το Πρόβλημα του Ανέμου

Η τεχνητή νοημοσύνη επίσης βοηθά στην υπέρβαση του ανέμου, ο οποίος είναι μια από τις μεγαλύτερες προκλήσεις με την αυτόνομη πτήση των drone.

Ο Mohit Mehndiratta είναι φοιτητής του διδακτορικού προγράμματος στο Τμήμα Μηχανικής του Πανεπιστημίου του Ώρχους.

«Το σχεδιασμένο μοντέλο Gaussian process προβλέπει επίσης τον άνεμο που θα συναντηθεί στο άμεσο μέλλον. Αυτό σημαίνει ότι το drone μπορεί να προετοιμαστεί και να λάβει τις διορθωτικές ενέργειες εκ των προτέρων», λέει ο Mehndiratta.

Όταν ένα drone που ελέγχεται από άνθρωπο ολοκληρώνει αυτή την εργασία, ακόμη και một ελαφρύ αεράκι μπορεί να αλλάξει την πορεία του. Με τη νέα τεχνολογία, οι ριπές του ανέμου και η γενική ταχύτητα του ανέμου μπορούν να ληφθούν υπόψη.

«Το drone δεν μετράει πραγματικά τον άνεμο, αλλά εκτιμά τον άνεμο με βάση τις εισόδους που λαμβάνει καθώς κινείται. Αυτό σημαίνει ότι το drone ανταποκρίνεται στη δύναμη του ανέμου, όπως και όταν οι άνθρωποι διορθώνουμε τις κινήσεις μας όταν εκτεθόμαστε σε einen ισχυρό άνεμο», λέει ο Kayacan.

Η έρευνα ολοκληρώθηκε σε συνεργασία με το Δανικό Κέντρο Έρευνας και Τεχνολογίας Υδρογονανθράκων στο DTU, και τα αποτελέσματα του προγράμματος θα παρουσιαστούν τον Μάιο του 2020 στη Συνέδριο Ελέγχου της Ευρώπης.