AI는 시각적 외관을 사용하여 드론의 거리를 추정한다

TU Delft와 Westphalian University of Applied Sciences의 연구팀이 개발한 새로운 광학 흐름 기반 학습 프로세스는 로봇이 시야 내의 물체의 시각적 외관을 통해 거리를 추정할 수 있도록 합니다. 시각적 외관에는 모양, 색상, 텍스처와 같은 요소가 포함될 수 있습니다.

이 AI 기반 학습 전략을 사용하면 작은 비행 드론의 항법을 개선할 수 있습니다.

이 기사 は 지난달에 Nature Machine Intelligence에 발표되었습니다.

로봇 대 곤충

작은 비행 로봇이 대형 자율 주행 차량과 같은 수준의 자율성을 가지려면, 비행 곤충과 같은 발달된 지능을 보여야 합니다. 이는 매우 효율적인 AI 시스템을 통해 달성할 수 있습니다.

현재 시장에 있는 작은 비행 로봇은 필요한 센서와 처리 능력을 탑재하지 못하고 있어, 이것이 기술의 가장 큰 도전 중 하나입니다.

자연界에서, 곤충은 ‘광학 흐름’을 이용합니다. 이것은 곤충의 시야 내에서 물체가 움직이는 방식입니다. 이 광학 흐름은 곤충이 꽃에 착륙하고 포식자로부터 피할 수 있도록 합니다. 이 광학 흐름이 놀라운 점은, 복잡한 작업을 수행에도 불구하고 매우 단순하다는 것입니다.

Guido de Croon은 생체启発 마이크로 공중 차량의 교수이자 기사의 첫 번째 저자입니다.

“우리의 광학 흐름 제어 작업은 비행 곤충이 사용하는 우아하고 단순한 전략에 대한 열정에서 시작되었습니다.”라고 그는 말했다. “그러나 이러한 전략을 실제로 비행 로봇에 구현하는 제어 방법을 개발하는 것은 매우 어려웠습니다. 예를 들어, 우리의 비행 로봇은 실제로 着陸하지 못하고, 着陸 표면 바로 위에서 계속해서 위아래로 흔들렸습니다.”

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

광학 흐름

광학 흐름에는 두 가지 주요 제한이 있습니다. 첫째, 거리와 속도에 대한 혼합된 정보를 제공하며, 각 정보를 개별적으로 제공하지 않습니다. 둘째, 광학 흐름은 드론이 이동하는 방향에서 매우 작아, 장애물 회피에 영향을 미칩니다. 즉, 로봇은 이동 방향의 물체를 감지하는 데 가장 어려움을 겪습니다.

“우리는 광학 흐름의 두 가지 문제가 로봇이 광학 흐름뿐만 아니라 환경 내의 물체의 시각적 외관도 해석할 수 있다면 사라질 것이라는 것을 깨달았습니다.”라고 Guido de Croon은 말했다. “이렇게 하면 로봇이 정지된 이미지에서와 같이 장면 내의 물체까지의 거리를 추정할 수 있을 것입니다. 단, 로봇이 어떻게 이러한 거리를 보게 될까라는 질문이 남았습니다.”

연구자들이 개발한 새로운 접근법에서, 로봇은 진동을 사용하여 환경 내의 물체가 거리에 따라 어떻게 보이는지 학습합니다. 예를 들어, 드론은 着陸 중에 높이에 따라 잔디의 질감이 어떻게 되는지 학습할 수 있습니다.

Christophe De Wagter는 TU Delft의 연구자이자 기사의 공동 저자입니다.

“시각적 외관을 통해 거리를 학습하는 것은 이전보다 훨씬 더 빠르고 매끄러운 着陸을 가능하게 했습니다.”라고 그는 말했다. “또한, 장애물 회피를 위해 로봇은 비행 방향의 장애물을 매우 명확하게 볼 수 있었습니다. 이것은 장애물 감지 성능을 개선하는 데만 아니라 로봇이 속도를 높일 수 있도록도 했습니다.”

이 새로운 개발은 자원에 제한이 있는 비행 로봇에 영향을 미칠 것입니다. 특히, 폐쇄된 환경에서 작동하는 로봇에게 유용합니다.