Η τεχνητή νοημοσύνη κάνει πιο εύκολη την σάρωση και την εκσκαφή του εδάφους για τα drones

Ερευνητές από το Πανεπιστήμιο του Ώρχους (AU) και το Τεχνικό Πανεπιστήμιο της Δανίας (DTU) έχουν συνεργαστεί σε ένα проект που έχει ως στόχο να μειώσει το κόστος μέτρησης και τεκμηρίωσης των λατομείων гравίου και ασβεστόλιθου, ενώ ταυτόχρονα είναι πιο γρήγορος και εύκολος από την παραδοσιακή μέθοδο.

Ο проект περιελάμβανε τη χρήση της τεχνητής νοημοσύνης (AI), η οποία ανέλαβε τον έλεγχο των drones που χρησιμοποιούνται παραδοσιακά για την ολοκλήρωση της εργασίας.

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

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

Περιορισμοί των drones με ανθρώπινο έλεγχο

Η τρέχουσα μέθοδος μέτρησης και τεκμηρίωσης των λατομείων гравίου και ασβεστόλιθου, των τοίχων και άλλων φυσικών και ανθρωπογενών σχηματισμών βασίζεται σε drones που φωτογραφίζουν την περιοχή. Ένας υπολογιστής στη συνέχεια λαμβάνει τις ηχογραφήσεις και αυτόματα μετατρέπει όλα τα δεδομένα και δημιουργεί ένα 3D μοντέλο του εδάφους.

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

Για να μπορέσει ο υπολογιστής να μετατρέψει και να δημιουργήσει ένα 3D μοντέλο 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 τη σύνθετη διαδικασία 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 υπερνικά το πρόβλημα του ανέμου

Η τεχνητή νοημοσύνη επίσης βοηθά στην υπέρβαση του ανέμου, ο οποίος είναι ένας από τους μεγαλύτερους προβληματισμούς με την αυτόνομη πτήση των drones.

Ο Mohit Mehndiratta είναι επισκέπτης διδάκτωρ στο Τμήμα Μηχανικής του Πανεπιστημίου του Ώρχους.

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

Όταν ένα drone με ανθρώπινο έλεγχο ολοκληρώνει αυτή τη διαδικασία, ακόμη και ένας ελαφρύς άνεμος μπορεί να αλλάξει την πορεία του. Με τη νέα τεχνολογία, οι πνοές 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 οι άνθρωποι όταν εκτεθούμε 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 Διακοινοτική Συνδιάσκεψη Ελέγχου.