AI bruker visuell utseende for å estimere avstander for droner

Et nytt optisk fluks-basert læringprosess utviklet av en gruppe forskere ved TU Delft og Westphalian University of Applied Sciences gjør det mulig for roboter å estimere avstander gjennom det visuelle utseendet til objekter i syne. Det visuelle utseendet kan inkludere faktorer som form, farge og tekstur. 

Ved å bruke denne AI-baserte læringstrategien kan navigasjonen av små flydroner forbedres. 

Artikkelen ble publisert forrige måned i Nature Machine Intelligence. 

Roboter vs. insekter

For å aktivere små flydroner til å ha samme nivå av autonomi som store selvkjørende kjøretøy, må de vise samme utviklede intelligens som finnes i flygende insekter, noe som kan oppnås gjennom høyeffektive AI-systemer. 

De små flydronene som er på markedet i dag, har ikke nok sensorer og prosesseringskraft ombord, noe som er en av de største utfordringene rundt denne teknologien. 

I den naturlige verden, bruker insekter ‘optisk fluks’, som er hvordan objekter beveger seg i insektets syn. Denne optiske fluksen er det som gjør det mulig for dem å lande på blomster og unngå rovdyr. Det som er overraskende med denne optiske fluksen, er at den er enkel, til tross for at den brukes til komplekse oppgaver. 

Guido de Croon er professor i Bio-inspirerte Micro Air Vehicles og første forfatter av artikkelen. 

“Vårt arbeid med optisk fluks-kontroll startet fra entusiasme om de elegante, enkle strategier som brukes av flygende insekter,” sa han. “Men å utvikle kontrollmetodene for å faktisk implementere disse strategiene i flydroner, viste seg å være langt fra trivialt. For eksempel, våre flydroner ville ikke faktisk lande, men de startet å oscillerer, kontinuerlig gå opp og ned, like over landingsoverflaten.”

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

Optisk fluks

Det er to hovedbegrensninger for optisk fluks. Først, gir den blandet informasjon om avstand og hastighet, og den gir ikke informasjon om hver av de to separat. Second, er den optiske fluksen svært liten i retningen dronen beveger seg, noe som har implikasjoner for hindringunngåelse. Med andre ord, har roboten mest vanskeligheter med å detektere objekter den beveger seg mot.

“Vi innsett at begge problemene med optisk fluks ville forsvinne hvis robotene kunne tolke ikke bare optisk fluks, men også det visuelle utseendet til objekter i deres omgivelser,” sa Guido de Croon. “Dette ville gjøre det mulig for roboter å se avstander til objekter i scenen på samme måte som vi mennesker kan estimere avstander i et stille bilde. Det eneste spørsmålet var: Hvordan kan en robot lære å se avstander på den måten?”

I den nye tilnærmingen utviklet av forskerne, bruker robotene oscillasjoner for å lære hva objekter i deres omgivelser ser ut som avhengig av avstanden. For eksempel, kan en drone lære hvordan teksturen på gress er avhengig av høyden den er på under landing. 

Christophe De Wagter er en forsker ved TU Delft og medforfatter av artikkelen. 

“Læring å se avstand gjennom visuelt utseende ledet til mye raskere og jevnere landinger enn vi oppnådde tidligere,” sa han. “I tillegg, for hindringunngåelse, kunne robotene nå også se hindringer i flyretningen svært tydelig. Dette forbedret ikke bare hindringdeteksjonsytelsen, men tillot også våre roboter å øke farten.”

Den nye utviklingen vil ha implikasjoner for flydroner med begrensede ressurser, og den er spesielt nyttig for de som opererer i et begrenset miljø.