Μοντέλα και πλατφόρμες AI

Ερευνητές Ανάπτυξαν Αυτόνομες Συστήματα Ικανά να Αντιλαμβάνονται Αλλαγές στις Σκιές

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μηχανικοί στο MIT έχουν αναπτύξει ένα νέο σύστημα που είναι εξαιρετικά σημαντικό για τα αυτόνομα οχήματα και την ασφάλειά τους. Το σύστημα είναι ικανό να ανιχνεύει μικρές αλλαγές στις σκιές στο έδαφος και μπορεί να καθορίσει εάν υπάρχουν κινούμενα αντικείμενα γύρω από τη γωνία. 

Ένα από τα κύρια γκολ για κάθε εταιρεία που επιδιώκει να δημιουργήσει αυτόνομα οχήματα είναι η αύξηση της ασφάλειας. Οι μηχανικοί εργάζονται συνεχώς για να κάνουν τα οχήματα καλύτερα στην αποφυγή συγκρούσεων με άλλα αυτοκίνητα ή πεζούς, ιδιαίτερα εκείνους που έρχονται γύρω από μια γωνία κτιρίου. 

Το νέο σύστημα έχει επίσης το δυναμικό να χρησιμοποιηθεί σε μελλοντικούς ρομπότ που περιηγούνται σε νοσοκομεία. Αυτά τα ρομπότ θα μπορούσαν να παραδώσουν φάρμακα ή προμήθειες σε ολόκληρο το νοσοκομείο και το σύστημα θα τους βοηθούσε να αποφεύγουν την πρόσκρουση σε άτομα. 

Μια εργασία θα παρουσιαστεί την επόμενη εβδομάδα στη Διεθνή Διάσκεψη για Ευφυείς Ρομπότ και Συστήματα (IROS). Περιλαμβάνει περιγραφές των επιτυχημένων πειραμάτων που διεξήχθησαν από τους ερευνητές, συμπεριλαμβανομένου ενός αυτόνομου αυτοκινήτου που κυκλοφορεί γύρω από einen χώρο στάθμευσης και σταματά όταν προσεγγίζει ένα άλλο όχημα.

Το τρέχον σύστημα είναι συχνά LIDAR, το οποίο είναι σε θέση να ανιχνεύσει ορατά αντικείμενα με περισσότερο από μισό δευτερόλεπτο. Σύμφωνα με τους ερευνητές, τα κλάσματα του δευτερολέπτου μπορούν να κάνουν μια τεράστια διαφορά σε ταχέως κινούμενα αυτόνομα οχήματα.  

“Για εφαρμογές όπου τα ρομπότ κινούνται γύρω από περιβάλλοντα με άλλα κινούμενα αντικείμενα ή άτομα, η μέθοδός μας μπορεί να δώσει στο ρομπότ μια πρώιμη προειδοποίηση ότι κάποιος έρχεται γύρω από τη γωνία, ώστε το όχημα να μπορεί να επιβραδύνει, να προσαρμόσει τη διαδρομή του και να προετοιμαστεί εκ των προτέρων για να αποφύγει μια σύγκρουση,” προσθέτει ο συντάκτης Daniela Rus, διευθυντής του Εργαστηρίου Επιστήμης και Τεχνολογίας Υπολογιστών (CSAIL) και καθηγητής Ηλεκτρολόγου Μηχανικού και Επιστήμης Υπολογιστών. “Το μεγάλο όνειρο είναι να παρέχουμε ‘ακτίνες X’ σε οχήματα που κινούνται γρήγορα στους δρόμους.”

Το νέο αυτόνομο σύστημα έχει δοκιμαστεί μόνο εσωτερικά. Σε αυτές τις συνθήκες, οι συνθήκες φωτισμού είναι χαμηλότερες και οι ταχύτητες των ρομπότ είναι πιο αργές. Το αυτόνομο σύστημα μπορεί να αναλύσει και να ανιχνεύσει σκιές πολύ πιο εύκολα σε αυτό το περιβάλλον. 

Η εργασία συγγράφτηκε από τους Daniela Rus, Felix Naser, πρώην ερευνητή του CSAIL, Alexander Amini, φοιτητή του CSAIL, Igor Gilitschenski, μεταδιδάκτορα του CSAIL, Christina Liao, Guy Rosman του Ινστιτούτου Ερευνών Toyota και Sertac Karaman, αναπληρωτή καθηγητή αεροναυπηγικής και αστροναυτικής στο MIT. 

Σύστημα ShadowCam

Πριν από τις νέες εξελίξεις, οι ερευνητές είχαν ήδη ένα σύστημα που ονομάζεται “ShadowCam.” Το σύστημα είναι σε θέση να αναγνωρίσει και να ταξινομήσει αλλαγές στις σκιές στο έδαφος μέσω της χρήσης τεχνικών υπολογιστικής όρασης. Οι προηγούμενες εκδόσεις του συστήματος αναπτύχθηκαν από τους καθηγητές του MIT William Freeman και Antonio Torralba. Οι δύο καθηγητές δεν ήταν συντάκτες της εργασίας IROS και η δουλειά τους παρουσιάστηκε το 2017 και το 2018. 

Το ShadowCam χρησιμοποιεί καρέ βίντεο από μια κάμερα που στοχεύει σε ένα συγκεκριμένο στόχο και είναι σε θέση να ανιχνεύσει αλλαγές στη φωτεινότητα του φωτός με το χρόνο. Αυτό λέει στο σύστημα εάν κάτι κινείται πιο μακριά ή πιο κοντά και στη συνέχεια αναλύει τις πληροφορίες και ταξινομεί κάθε εικόνα ως σταθερό αντικείμενο ή κινούμενο. Αυτό επιτρέπει στο σύστημα να προχωρήσει με τον καλύτερο δυνατό τρόπο. 

Το ShadowCam τροποποιήθηκε και άλλαξε για να χρησιμοποιηθεί σε αυτόνομα οχήματα. Αρχικά, χρησιμοποιούσε ετικέτες επαυξημένης πραγματικότητας που ονομάζονταν “AprilTags”, οι οποίες ήταν σαν κωδικούς QR. Το ShadowCam χρησιμοποιούσε αυτές τις ετικέτες για να επικεντρωθεί σε συγκεκριμένες ομάδες pixel για να καθορίσει εάν υπήρχαν σκιές. Ωστόσο, αυτό το σύστημα αποδείχθηκε αδύνατο να χρησιμοποιηθεί σε πραγματικές συνθήκες. 

Λόγω αυτού, οι ερευνητές δημιούργησαν μια νέα διαδικασία που χρησιμοποιεί εγγραφή εικόνας και μια τεχνική οπτικής οδομετρίας μαζί. Η εγγραφή εικόνας επικαλύπτει πολλές εικόνες για να αναγνωρίσει τυχόν διαφορές. 

Η τεχνική οπτικής οδομετρίας που χρησιμοποιούν οι ερευνητές ονομάζεται “Απευθείας Σπάνια Οδομετρία” (DSO) και λειτουργεί παρόμοια με τις AprilTags. Η DSO χρησιμοποιεί einen 3D-πυκνό σύννεφο και σχεδιάζει τα διάφορα χαρακτηριστικά του περιβάλλοντος σε αυτό. Ένας πίπας υπολογιστικής όρασης βρίσκει μια περιοχή ενδιαφέροντος, όπως το δάπεδο. 

Το ShadowCam χρησιμοποιεί DSO-εγγραφή εικόνας και επικαλύπτει όλες τις εικόνες από την ίδια οπτική του ρομπότ. Το ρομπότ, κινούμενο ή ακίνητο, είναι τότε σε θέση να επικεντρωθεί στην ίδια ομάδα pixel όπου υπάρχει μια σκιά. 

Τι Έρχεται Επόμενο

Οι ερευνητές θα συνεχίσουν να εργάζονται σε αυτό το σύστημα και θα επικεντρωθούν στις διαφορές μεταξύ εσωτερικών και εξωτερικών συνθηκών φωτισμού. Τελικά, η ομάδα θέλει να αυξήσει την ταχύτητα του συστήματος καθώς και να αυτοματοποιήσει τη διαδικασία. 

Ο Alex ηγείται των λειτουργιών ειδήσεων με τεχνητή νοημοσύνη της Unite.AI, συνδυάζοντας δημοσιογραφία, έρευνα και αυτοματοποίηση για να υποστηρίξει έγκαιρη και κλιμακώσιμη κάλυψη της τεχνητής νοημοσύνης. Η δουλειά του βοηθά να διασφαλιστεί ότι οι αναδυόμενες εξελίξεις στην AI προβάλλονται αποτελεσματικά, διατηρώντας τα δημοσιογραφικά πρότυπα της έκδοσης.