Algoritmul permite navigarea vizuală în raport cu terenul în vehicule autonome

Un nou algoritm de învățare profundă dezvoltat de cercetătorii de la California Institute of Technology (Caltech) permite sistemelor autonome să recunoască unde se află observând terenul din jurul lor. Pentru prima dată, această tehnologie poate funcționa indiferent de schimbările sezoniere ale terenului.

Cercetarea a fost publicată pe 23 iunie în jurnal Știința robotică de către Asociația Americană pentru Progresul Științei (AAAS).

Navigare vizuală în raport cu terenul

Procesul se numește navigație vizuală relativă a terenului (VTRN) și a fost dezvoltat pentru prima dată în anii 1960. Sistemele autonome se pot localiza prin VTRN comparând terenul din apropiere cu imaginile satelitului de înaltă rezoluție.

Cu toate acestea, generația actuală de VTRN necesită ca terenul pe care îl observă să se potrivească îndeaproape cu imaginile din baza de date. Orice modificări ale terenului, cum ar fi zăpada sau căderea frunzelor, pot cauza defectarea sistemului din imaginile care nu se potrivesc. Aceasta înseamnă că sistemele VTRN pot fi ușor confundate, cu excepția cazului în care există o bază de date cu imaginile peisajelor în orice condiție imaginabilă. 

Echipa implicată în acest proiect provine din laboratorul lui Soon-Jo Chung, profesor Bren de sisteme aerospațiale și de control și dinamică și cercetător de știință la JPL. Echipa a folosit învățarea profundă și inteligența artificială (AI) pentru a elimina conținutul sezonier care poate fi deranjant pentru sistemele VTRN. 

Anthony Fragoso este lector și om de știință, precum și autorul principal al lucrării Science Robotics.

„Regula generală este că ambele imagini – cea de la satelit și cea de la vehiculul autonom – trebuie să aibă conținut identic pentru ca tehnicile actuale să funcționeze. Diferențele pe care le pot gestiona sunt legate de ceea ce poate fi realizat cu un filtru Instagram care schimbă nuanțele unei imagini”, spune Fragoso. „În sistemele reale, însă, lucrurile se schimbă drastic în funcție de sezon, deoarece imaginile nu mai conțin aceleași obiecte și nu pot fi comparate direct.”

Învățare auto-supravegheată

Procesul a fost dezvoltat de Chung și Fragoso în colaborare cu studentul absolvent Connor Lee și studentul de licență Austin McCoy și folosește „învățare auto-supravegheată”.

În loc să se bazeze pe adnotatori umani pentru a organiza seturi mari de date pentru a învăța un algoritm cum să recunoască ceva, așa cum este cazul majorității strategiilor de viziune computerizată, acest proces permite algoritmului să se învețe singur. Inteligența artificială detectează modele în imagini, dezvăluind detalii și caracteristici pe care ochiul uman le-ar rata. 

Suplimentând generația actuală de VTRN cu noul sistem, acesta oferă o localizare mai precisă. Un experiment a implicat cercetătorii care au încercat să localizeze imagini ale frunzelor de vară față de imaginile frunzelor de iarnă folosind o tehnică VTRN bazată pe corelație. Ei au descoperit că 50 la sută dintre încercări au dus la eșecuri de navigare, dar când au introdus noul algoritm în VTRN, 92 la sută dintre încercări au fost potrivite corect, iar celelalte 8 la sută au putut fi identificate ca fiind problematice în avans. 

„Computerele pot găsi modele obscure pe care ochii noștri nu le pot vedea și pot identifica chiar și cea mai mică tendință”, spune Lee. „VTRN a fost în pericol să se transforme într-o tehnologie imposibilă în medii comune, dar provocatoare. Am salvat zeci de ani de muncă în rezolvarea acestei probleme.”

Aplicații în spațiu

Noul sistem nu are utilizare doar pentru dronele autonome de pe Pământ, ci poate fi folosit și pentru misiuni spațiale. Misiunea rover Mars 2020 Perseverance a JPL a folosit VTRN în timpul intrării, coborârii și aterizării în craterul Jezero, care era considerat anterior prea periculos pentru intrarea în siguranță.

Potrivit lui Chung, pentru rovere precum Perseverance, „este necesară o anumită cantitate de conducere autonomă, deoarece transmisiile durează șapte minute pentru a călători între Pământ și Marte și nu există GPS pe Marte”. 

Echipa crede că noul sistem ar putea fi folosit și în regiunile polare marțiane, care au schimbări sezoniere intense. Ar putea permite o navigație îmbunătățită pentru a sprijini obiective științifice, cum ar fi căutarea apei.

Echipa va extinde acum tehnologia pentru a ține cont de schimbările meteorologice, cum ar fi ceața, ploaia și zăpada. Această activitate ar putea duce la îmbunătățirea sistemelor de navigație pentru mașinile cu conducere autonomă.