AI Menggunakan Penampilan Visual untuk Mengestimasi Jarak untuk Drone

Sebuah proses pembelajaran berbasis aliran optik yang dikembangkan oleh tim peneliti di TU Delft dan Universitas Ilmu Terapan Westphalia memungkinkan robot untuk mengestimasi jarak melalui penampilan visual objek yang terlihat. Penampilan visual dapat mencakup faktor-faktor seperti bentuk, warna, dan tekstur. 

Dengan menggunakan strategi pembelajaran berbasis AI ini, navigasi drone kecil terbang dapat ditingkatkan. 

Artikel ini diterbitkan bulan lalu di Nature Machine Intelligence. 

Robot vs. Serangga

Untuk memungkinkan robot terbang kecil memiliki tingkat otonomi yang sama dengan kendaraan self-driving besar, mereka perlu menunjukkan kecerdasan yang sama yang ada pada serangga terbang, yang dapat dilakukan melalui sistem AI yang sangat efisien. 

Robot terbang kecil yang saat ini ada di pasaran tidak membawa jumlah sensor dan daya pengolahan yang cukup, yang merupakan salah satu tantangan terbesar dalam teknologi ini. 

Di dunia alami, serangga bergantung pada ‘aliran optik’, yaitu bagaimana objek bergerak dalam pandangan serangga. Aliran optik ini memungkinkan mereka untuk mendarat di bunga dan menghindari predator. Yang mengejutkan tentang aliran optik ini adalah bahwa itu sederhana, meskipun digunakan untuk tugas-tugas yang kompleks. 

Guido de Croon adalah profesor Kendaraan Udara Mikro Bio-terinspirasi dan penulis utama artikel ini. 

“Kami mulai bekerja pada kontrol aliran optik dari antusiasme tentang strategi sederhana yang digunakan oleh serangga terbang,” katanya. “Namun, mengembangkan metode kontrol untuk menerapkan strategi ini pada robot terbang ternyata tidaklah trivial. Misalnya, robot terbang kami tidak akan mendarat, tetapi mereka mulai bergetar, terus naik turun, hanya di atas permukaan pendaratan.”

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

Aliran Optik

Ada dua keterbatasan utama aliran optik. Pertama, itu menyediakan informasi yang campur aduk tentang jarak dan kecepatan, dan tidak menyediakan informasi tentang masing-masing secara terpisah. Kedua, aliran optik sangat kecil dalam arah drone bergerak, yang memiliki implikasi untuk penghindaran hambatan. Dengan kata lain, robot memiliki kesulitan terbesar dalam mendeteksi objek yang sedang bergerak ke arahnya.

“Kami menyadari bahwa kedua masalah aliran optik akan hilang jika robot dapat menafsirkan tidak hanya aliran optik, tetapi juga penampilan visual objek di lingkungannya,” kata Guido de Croon. “Ini akan memungkinkan robot untuk melihat jarak ke objek di adegan dengan cara yang sama seperti kita manusia dapat mengestimasi jarak dalam gambar diam. Pertanyaan satu-satunya adalah: Bagaimana robot dapat belajar untuk melihat jarak seperti itu?”

Dalam pendekatan baru yang dikembangkan oleh peneliti, robot bergantung pada getaran untuk belajar bagaimana objek di lingkungannya terlihat tergantung pada jarak. Misalnya, drone dapat belajar seberapa halus tekstur rumput tergantung pada ketinggian saat mendarat. 

Christophe De Wagter adalah peneliti di TU Delft dan co-penulis artikel ini. 

“Belajar untuk melihat jarak dengan cara penampilan visual menghasilkan pendaratan yang lebih cepat dan lebih halus daripada yang kami capai sebelumnya,” katanya. “Selain itu, untuk penghindaran hambatan, robot sekarang juga dapat melihat hambatan di arah penerbangan dengan jelas. Ini tidak hanya meningkatkan kinerja deteksi hambatan, tetapi juga memungkinkan robot kami untuk mempercepat.”

Pengembangan baru ini akan memiliki implikasi untuk robot terbang yang memiliki sumber daya terbatas, dan ini secara khusus berguna untuk mereka yang beroperasi di lingkungan yang terbatas.