Trí tuệ nhân tạo sử dụng ngoại hình để ước tính khoảng cách cho máy bay không người lái

Một quá trình học tập dựa trên dòng quang học mới được phát triển bởi một nhóm nghiên cứu tại TU Delft và Đại học Khoa học Ứng dụng Westphalia cho phép robot ước tính khoảng cách thông qua ngoại hình của các vật thể trong tầm nhìn. Ngoại hình có thể bao gồm các yếu tố như hình dạng, màu sắc và kết cấu.

Bằng cách sử dụng chiến lược học tập dựa trên trí tuệ nhân tạo này, việc điều hướng của các máy bay không người lái nhỏ có thể được cải thiện.

Bài viết được xuất bản vào tháng trước trên Tạp chí Trí tuệ Máy tính của Nature.

Robot so với Côn trùng

Để cho phép các robot bay nhỏ có được mức độ tự chủ như các phương tiện tự lái lớn, chúng sẽ cần phải thể hiện sự thông minh phát triển như trong côn trùng bay, điều này có thể được thực hiện thông qua các hệ thống trí tuệ nhân tạo hiệu suất cao.

Các robot bay nhỏ hiện có trên thị trường không mang đủ cảm biến và khả năng xử lý trên bo mạch, đây là một trong những thách thức lớn nhất xung quanh công nghệ này.

Trong thế giới tự nhiên, côn trùng dựa vào ‘dòng quang học’, đó là cách các vật thể di chuyển trong tầm nhìn của côn trùng. Dòng quang học này cho phép chúng hạ cánh trên hoa và tránh kẻ thù. Điều đáng ngạc nhiên về dòng quang học này là nó đơn giản, mặc dù được sử dụng cho các nhiệm vụ phức tạp.

Guido de Croon là giáo sư về Phương tiện Hàng không Vi mô lấy cảm hứng từ Sinh học và là tác giả đầu tiên của bài viết.

“Công việc của chúng tôi về kiểm soát dòng quang học bắt đầu từ sự nhiệt tình về các chiến lược đơn giản, tinh tế được sử dụng bởi côn trùng bay,” ông nói. “Tuy nhiên, việc phát triển các phương pháp kiểm soát để thực sự triển khai các chiến lược này trên robot bay đã chứng tỏ không hề đơn giản. Ví dụ, robot bay của chúng tôi không thực sự hạ cánh, mà bắt đầu dao động, liên tục đi lên và xuống, ngay trên bề mặt hạ cánh.”

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

Dòng Quang học

Có hai hạn chế chính của dòng quang học. Thứ nhất, nó cung cấp thông tin hỗn hợp về khoảng cách và vận tốc, và nó không cung cấp thông tin về từng yếu tố riêng biệt. Thứ hai, dòng quang học rất nhỏ theo hướng di chuyển của máy bay không người lái, điều này có ý nghĩa đối với việc tránh chướng ngại vật. Nói cách khác, robot gặp khó khăn nhất khi phát hiện các vật thể nó đang di chuyển tới.

“Chúng tôi nhận ra rằng cả hai vấn đề của dòng quang học sẽ biến mất nếu robot có thể giải thích không chỉ dòng quang học mà còn cả ngoại hình của các vật thể trong môi trường của chúng,” Guido de Croon nói. “Điều này sẽ cho phép robot nhìn thấy khoảng cách đến các vật thể trong cảnh giống như cách con người có thể ước tính khoảng cách trong một bức ảnh tĩnh. Câu hỏi duy nhất là: Làm thế nào một robot có thể học cách nhìn thấy khoảng cách như thế?”

Trong phương pháp mới được phát triển bởi các nhà nghiên cứu, robot dựa vào dao động để học cách các vật thể trong môi trường của chúng trông như thế nào tùy thuộc vào khoảng cách. Ví dụ, một máy bay không người lái có thể học cách kết cấu của cỏ mịn như thế nào tùy thuộc vào độ cao khi hạ cánh.

Christophe De Wagter là một nhà nghiên cứu tại TU Delft và là đồng tác giả của bài viết.

“Học cách nhìn thấy khoảng cách bằng cách sử dụng ngoại hình dẫn đến việc hạ cánh nhanh hơn, mượt mà hơn so với trước đây,” ông nói. “Hơn nữa, đối với việc tránh chướng ngại vật, robot bây giờ cũng có thể nhìn thấy chướng ngại vật trong hướng bay rất rõ ràng. Điều này không chỉ cải thiện hiệu suất phát hiện chướng ngại vật, mà còn cho phép robot bay của chúng tôi tăng tốc.”

Phát triển mới này sẽ có ý nghĩa đối với các robot bay có tài nguyên hạn chế, và nó đặc biệt hữu ích cho những robot hoạt động trong môi trường bị giới hạn.