Рой автономных дронов из UPenn летает без GPS

МЕНЮ


Искусственный интеллект. Новости
Поиск
Регистрация на сайте

ТЕМЫ


Новости ИИРазработка ИИРабота разума и сознаниеВнедрение ИИРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

Авторизация



RSS


RSS новости

Новостная лента форума ailab.ru

2018-01-04 17:00

дроны

Многие ученые по всему миру упорно работают над автономией для летающих роботов, и мы уже видели некоторые впечатляющие примеры беспилотных летательных аппаратов, которые могут следовать своему пути и избегать препятствий с использованием только бортовых датчиков и вычислительных систем. Примером может послужить исследование роевого поведения роботов из ETH Zurich. В свою очередь, университет Пенсильвании представил особенно удивительные разработки в этой области, так как им удалось научить рой из дюжины 250-граммовых квадрокоптеров летать слаженно, когда каждый из них полагается только на одну маленькую камеру и простой блок IMU. Вероятно, это самый большой рой БПЛА, которые не используют в полете захват движения или GPS, - передает Robotics.ua.

Особенности полета роя дронов

Каждый маленький коптер оснащен вычислительной платой Qualcomm Snapdragon Flight. Плата включает в себя четырехъядерный компьютер, направленную вниз VGA-камеру с полем зрения 160 градусов, пару стереофонических камер VGA и видеокамеру 4K. Тем не менее, для этих полетов дроны используют только один или два ядра вычислительной мощности, простой встроенный IMU и камеру.

Задача каждого квадрокоптера состоит в том, чтобы использовать визуальную инерциальную одометрию (VIO) для оценки того, насколько далеко и в каком направлении он перемещается из своего исходного положения, а также насколько он стал ближе к предполагаемому местоположению. Для этого он просто идентифицирует и отслеживает визуальные функции в своем поле зрения: если камера дрона видит объект, и этот объект перемещается справа налево, беспилотник может с помощью своего IMU выяснить путь передвижения объекта. Известно, что с течением времени появляются небольшие ошибки в оценке позиции, но ученые UPenn сумели держать эти вещи под контролем даже когда дроны пролетели более 100 метров.

Поскольку каждый дрон отслеживает свое собственное положение, он отправляет обновления с частотой 10 Гц по Wi-Fi на наземную станцию. Наземная станция собирает все эти обновления с местоположения и отправляет команды остальной части роя, чтобы он изменил свое направление. Единственное, что получают дроны в индивидуальном порядке – это набор целевых координат и время, чтобы начать движение. Каждый беспилотник вычисляет собственную траекторию и определяет, если его наземная станция не выполняет планирование. Это облегчает распределение вещей, так что рой может легко масштабироваться до большего количества дронов. Тем не менее, стоит отметить, что по отдельности БПЛА вообще не являются частью роя – они просто контролируют свое положение и перемещаются из координат в координаты, не осознавая, что есть другие дроны вокруг них. Но система работает очень хорошо, и, как показано на видео, дроны не сталкиваются друг с другом.

Испытание на улице также примечательно по нескольким причинам. Некоторые из аппаратов способны выполнять свою работу при очень низком освещении, полагаясь на VIO, и сделать хорошую оценку положения. Кроме того, средняя скорость ветра во время испытаний на открытом воздухе составляла 16 км/ч.

Видео

Это исследование было проведено в университете Пенсильвании в лаборатории Виджая Кумара, Аарона Вайнштейна, Адама Чо и Джузеппе Лоянно, который дал интервью с более подробной информацией о проекте.

Интервью

По сравнению с предыдущими работами, наше решение имеет следующие основные отличия. Во-первых, мы разработали масштабируемую и расширяемую архитектуру для управления несколькими квадрокоптерами на основе машинного зрения. Мы используем термин масштабирования, чтобы ссылаться на легкость добавления дополнительных агентов в систему, не жертвуя общей производительностью. Во-вторых, это первый раз, когда восприятие, планирование и контроль объединены для автономной навигации нескольких воздушных транспортных средств, не полагаясь на GPS или внешнюю систему захвата движения. Наконец, мы используем коммерчески доступные компоненты и предоставляем наш исходный код онлайн. Мы хотим, чтобы каждый желающий мог реализовать эксперименты с несколькими БПЛА без использования дорогостоящих систем.

В работе упоминается, что для отслеживания VIO были применены мел и цветная лента на полу во внутренних экспериментах. Какова реальная полезность системы, ограниченная потребностью в визуальных характеристиках?

Да, мы использовали мел и цветную ленту во время испытаний в лаборатории, но, как вы можете видеть на видео, наша система работает на открытом воздухе и даже в плохо освещенной обстановке. В реальном мире много непредвиденных препятствий, и роботы должны быть готовы к встрече с ними.

Хотя в этой работе использовалась только VGA-камера, квадрокоптеры были оснащены гораздо более сложными датчиками. Может ли система быть масштабируема только с помощью VGA-камеры и IMU? Какое минимальное требование к оборудованию для этой работы?

Мы считаем, что она масштабируется только с одной камерой и IMU. Сейчас все компоненты автономности работают на борту БПЛА, и по этой причине у нас может быть столько транспортных средств, сколько мы захотим. Тем не менее, другие датчики, такие как стереокамера, могут быть полезны для отображения окружающей среды и определения других транспортных средств «на лету».

Похоже, что развертывание роя требует как наземной станции, так и тщательной первоначальной настройки дронов. Как можно было бы проще развертывать рой и быть более независимыми от наземной инфраструктуры?

В любом развертывании с несколькими роботами они должны знать, где находятся другие устройства. Мы планируем использовать алгоритм локализации, который идентифицирует каждое транспортное средство относительно его «соседей» с алгоритмами закрытия цикла. Помните, что транспортные средства могут обмениваться данными друг с другом и с базовой станцией во время полета.

Над чем вы будете работать дальше?

Мы работаем над надежностью системы. Разрабатываем модуль замыкания цикла, чтобы уменьшить небольшой дрейф, который происходит с визуальной ориентацией. Каждый робот должен знать свое начальное местоположение, но когда проблема закрытия цикла решена, тогда он больше не нужен. Вскоре эти транспортные средства будут развернуты для обеспечения совместного отображения окружающей среды распределенным образом в сценарии стихийных бедствий. Мы уменьшаем роль наземной станции, и мы работаем над новой тактикой для повышения устойчивости к образованию. Наконец, мы улучшаем аспект взаимодействия между человеком и роботом, позволяя команде беспилотников поддерживать миссии в координации с людьми.

Ольга Славинская


Источник: robotics.ua



Поддержи проект ai-news рублем. Машины верят в тебя! >>



Комментарии: