Sztuczna inteligencja wykorzystuje wygląd wizualny do szacowania odległości dla dronów

Nowy proces uczenia się oparty na optycznym przepływie, opracowany przez zespół badaczy z TU Delft i Zachodniego Uniwersytetu Nauk Stosowanych, umożliwia robotom szacowanie odległości za pomocą wyglądu wizualnego obiektów w polu widzenia. Wygląd wizualny może obejmować czynniki takie jak kształt, kolor i teksturę.

Dzięki zastosowaniu tej strategii uczenia się opartej na sztucznej inteligencji, nawigacja małych latających dronów może zostać poprawiona.

Artykuł został opublikowany w zeszłym miesiącu w Nature Machine Intelligence.

Roboty vs. owady

Aby umożliwić małym latającym robotom posiadanie takiego samego poziomu autonomii, jaki obserwujemy w dużych samochodach bezzałogowych, muszą one wykazać się takim samym poziomem inteligencji, jaki występuje u latających owadów, co może być osiągnięte dzięki wydajnym systemom sztucznej inteligencji.

Małe latające roboty dostępne na rynku nie posiadają wystarczającej ilości czujników i mocy obliczeniowej, co jest jednym z największych wyzwań związanych z tą technologią.

W świecie przyrody owady polegają na „optycznym przepływie”, czyli na tym, jak obiekty poruszają się w polu widzenia owada. Ten optyczny przepływ pozwala im lądować na kwiatach i unikać drapieżników. Co jest zaskakujące, optyczny przepływ jest prosty, pomimo że służy do wykonywania złożonych zadań.

Guido de Croon jest profesorem Bio-inspirowanych Mikro Pojazdów Powietrznych i pierwszym autorem artykułu.

„Nasza praca nad kontrolą optycznego przepływu rozpoczęła się od entuzjazmu dla eleganckich, prostych strategii stosowanych przez latające owady,” powiedział. „Jednak rozwijanie metod kontroli w celu zaimplementowania tych strategii w latających robotach okazało się znacznie trudniejsze. Na przykład, nasze latające roboty nie lądowały, ale zaczynały oscylować, ciągle wznosząc się i opadając tuż nad powierzchnią lądowania.”

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

Optyczny przepływ

Istnieją dwie główne ograniczenia optycznego przepływu. Po pierwsze, dostarcza on mieszanej informacji o odległości i prędkości, i nie dostarcza informacji o każdej z nich oddzielnie. Po drugie, optyczny przepływ jest bardzo mały w kierunku, w którym dron się porusza, co ma znaczenie dla unikania przeszkód. Innymi słowy, robot ma największe trudności z wykrywaniem obiektów, w kierunku których się porusza.

“Zrealizowaliśmy, że oba problemy optycznego przepływu znikną, jeśli roboty będą mogły interpretować nie tylko optyczny przepływ, ale także wygląd wizualny obiektów w swoim otoczeniu,” powiedział Guido de Croon. “To pozwoliłoby robotom widzieć odległości do obiektów w scenie podobnie do tego, jak my ludzie możemy szacować odległości na statycznym zdjęciu. Jedynym pytaniem było: Jak może robot nauczyć się widzieć odległości w ten sposób?”

W nowym podejściu opracowanym przez badaczy, roboty polegają na oscylacjach, aby nauczyć się, jak wyglądają obiekty w ich otoczeniu w zależności od odległości. Na przykład, dron może nauczyć się, jak wygląda tekstura trawy w zależności od wysokości, na której się znajduje podczas lądowania.

Christophe De Wagter jest badaczem w TU Delft i współautorem artykułu.

“Nauka widzenia odległości za pomocą wyglądu wizualnego doprowadziła do znacznie szybszych i gładzych lądowań niż te, które osiągnęliśmy wcześniej,” powiedział. “Ponadto, w przypadku unikania przeszkód, roboty były teraz w stanie widzieć przeszkody w kierunku lotu bardzo wyraźnie. To nie tylko poprawiło wydajność wykrywania przeszkód, ale także pozwoliło naszym robotom przyspieszyć.”

Nowy rozwój będzie miał wpływ na latające roboty, które mają ograniczone zasoby, i jest szczególnie przydatny dla tych, które działają w zamkniętym środowisku.