Η τεχνητή νοημοσύνη χρησιμοποιεί την οπτική εμφάνιση για να εκτιμήσει αποστάσεις για drones

Μια νέα διαδικασία μάθησης βασισμένη στην οπτική ροή, που αναπτύχθηκε από μια ομάδα ερευνητών στο TU Delft και το Πανεπιστήμιο Εφαρμοσμένων Επιστημών της Βεστφαλίας, επιτρέπει στους ρομπότ να εκτιμούν αποστάσεις μέσω της οπτικής εμφάνισης των αντικειμένων στην εστίαση. Η οπτική εμφάνιση μπορεί να περιλαμβάνει παράγοντες όπως το σχήμα, το χρώμα και η υφή.

Χρησιμοποιώντας αυτή τη στρατηγική μάθησης βασισμένη στην τεχνητή νοημοσύνη, η πλοήγηση των μικρών ιπτάμενων drones μπορεί να βελτιωθεί.

Το άρθρο δημοσιεύθηκε τον τελευταίο μήνα στο Nature Machine Intelligence.

Ρομπότ vs. Έντομα

Για να επιτρέψουν στα μικρά ιπτάμενα ρομπότ να έχουν το ίδιο επίπεδο αυτονομίας που βλέπουμε στα μεγάλα αυτονομικά οχήματα, θα πρέπει να αποδείξουν την ίδια ανεπτυγμένη νοημοσύνη που υπάρχει στα ιπτάμενα έντομα, η οποία μπορεί να επιτευχθεί μέσω εξαιρετικά αποτελεσματικών συστημάτων τεχνητής νοημοσύνης.

Τα μικρά ιπτάμενα ρομπότ που υπάρχουν στην αγορά δεν φέρουν το απαραίτητο αριθμό αισθητήρων και επεξεργαστικής ισχύος επί του σκάφους, το οποίο είναι μια από τις μεγαλύτερες προκλήσεις που περιβάλλουν αυτή τη τεχνολογία.

Στον φυσικό κόσμο, τα έντομα βασίζονται στην «οπτική ροή», η οποία είναι το πώς τα αντικείμενα κινούνται στην όραση ενός εντόμου. Αυτή η οπτική ροή είναι που τους επιτρέπει να προσγειωθούν σε λουλούδια και να αποφύγουν τους θηρευτές. Τι είναι εκπληκτικό για αυτήν την οπτική ροή είναι ότι είναι απλή, παρά το ότι χρησιμοποιείται για σύνθετα καθήκοντα.

Ο Guido de Croon είναι καθηγητής Βιο-εμπνευσμένων Μικρών Αεροπορικών Οχημάτων και πρώτος συγγραφέας του άρθρου.

«Η δουλειά μας για τον έλεγχο της οπτικής ροής ξεκίνησε από την ενθουσιασμό για τις εύκολες, απλές στρατηγικές που χρησιμοποιούν τα ιπτάμενα έντομα», είπε. «Ωστόσο, η ανάπτυξη των μεθόδων ελέγχου για να εφαρμόσουμε αυτές τις στρατηγικές σε ιπτάμενα ρομπότ αποδείχθηκε πολύ πιο δύσκολη. Για παράδειγμα, τα ιπτάμενα ρομπότ μας δεν προσγειώνονταν πραγματικά, αλλά άρχιζαν να ταλαντεύονται, συνεχώς πηγαίνοντας πάνω και κάτω, ακριβώς πάνω από την επιφάνεια προσγείωσης».

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

Οπτική Ροή

Υπάρχουν δύο основικές περιορισμοί της οπτικής ροής. Πρώτον, παρέχει μικτές πληροφορίες για απόσταση και ταχύτητα, και δεν παρέχει πληροφορίες για κάθε μια από τις δύο ξεχωριστά. Δεύτερον, η οπτική ροή είναι πολύ μικρή στην κατεύθυνση που κινείται το drone, το οποίο έχει επιπτώσεις στην αποφυγή εμποδίων. Με άλλα λόγια, το ρομπότ έχει τις περισσότερες δυσκολίες στην ανίχνευση αντικειμένων προς τα οποία κινείται.

«Καταλάβαμε ότι και τα δύο προβλήματα της οπτικής ροής θα εξαφανιστούν αν τα ρομπότ μπορούσαν να ερμηνεύσουν όχι μόνο την οπτική ροή, αλλά και την οπτική εμφάνιση των αντικειμένων στο περιβάλλον τους», είπε ο Guido de Croon. «Αυτό θα τους επέτρεπε να δουν αποστάσεις σε αντικείμενα στην σκηνή παρόμοια με τον τρόπο που οι άνθρωποι μπορούν να εκτιμήσουν αποστάσεις σε μια στατική εικόνα. Το μόνο ερώτημα ήταν: Πώς μπορεί ένα ρομπότ να μάθει να βλέπει αποστάσεις όπως αυτό;»

Στην νέα προσέγγιση που αναπτύχθηκε από τους ερευνητές, τα ρομπότ βασίζονται σε ταλαντώσεις για να μάθουν τι αντικείμενα στο περιβάλλον τους看 όπως εξαρτώνται από την απόσταση. Για παράδειγμα, ένα drone μπορεί να μάθει πώς είναι το υφάδι του γρασιδιού ανάλογα με το ύψος στο οποίο βρίσκεται κατά την προσγείωση.

Ο Christophe De Wagter είναι ερευνητής στο TU Delft και συγγραφέας του άρθρου.

«Η μάθηση για να δούμε απόσταση με τη βοήθεια της οπτικής εμφάνισης οδήγησε σε πολύ πιο γρήγορες και ομαλές προσγειώσεις από ό,τι πριν», είπε. «Επιπλέον, για την αποφυγή εμποδίων, τα ρομπότ μπορούσαν τώρα να δουν εμπόδια στην κατεύθυνση της πτήσης πολύ καθαρά. Αυτό δεν βελτίωσε μόνο την απόδοση ανίχνευσης εμποδίων, αλλά επέτρεψε επίσης στα ρομπότ μας να αυξήσουν την ταχύτητά τους».

Η νέα ανάπτυξη θα έχει επιπτώσεις για τα ιπτάμενα ρομπότ που έχουν περιορισμένα μέσα, και είναι ιδιαίτερα χρήσιμη για αυτά που λειτουργούν σε ένα κλειστό περιβάλλον.