Дроны станут ловче человека |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-06-12 15:25 Беспилотники, способные к автономному уклонению, не являются чем-то новым на рынке: например, DJI демонстрирует подобную функциональность в своих продуктах в течение многих лет. Но как насчёт квадрокоптеров, которые могут уклоняться от быстро движущихся в их направлении снарядов? Например, таких, как брошенный в их сторону мяч или летящий навстречу дрон? Учёные из Университета Мэриленда и ETH Zurich разработали систему, которая при помощи одной лишь камеры поможет дронам уклоняться от быстро движущихся в их сторону объектов, таких как мячи или другие дроны. Исследователи использовали установленные на тестовом дроне фронтальную событийную камеру, то есть оптический датчик с минимальной задержкой и высоким динамическим диапазоном, дополнительную камеру, направленную вниз, а также сонар и инерциальный измерительный блок. На уровне программного обеспечения применялись три «неглубокие» модели ИИ: EVDeBlurNet, EVHomographyNet и EVSegFlowNet — каждая из них выполняла одну из задач, таких как увеличение чёткости и шумоподавление на последовательности изображений, аппроксимация движения фона с камеры, обращенной вниз, для уклонения и возврата на исходную точку, и сегментирование препятствий, летящих по направлению фронтальной камеры, для расчёта их траектории. Для обнаружения снаряда, летящего по направлению к дрону, данной системе требуется пять последовательных кадров, чтобы оценить его траекторию и скорость, затем ИИ классифицирует движущийся объект в соответствие с его геометрией по трём возможным сценариями: 1 — сфера с известным радиусом, 2 — объект неизвестной формы с известным размером, 3 — неизвестный объект без предварительной информации о размере, чтобы дать дрону окончательные инструкции как уклониться от столкновения. Команда провела испытания с четырьмя различными объектами: сферическим мячом, игрушечной машинкой и самолётом, а также беспилотником Parrot Bepop 2, либо брошенным, либо направленном в полёте на тестовый квадрокоптер Intel Aero с расстояния около 5 метров. Во время эксперимента на пол были положены ковры с различной текстурой, чтобы с одной стороны упростить сканирование поверхности, а с другой стороны сделать эксперимент более реалистичным. В ходе более 200 испытаний исследователи достигли показателя успешного уклонения от 70 % до 86 % с игрушечным автомобилем и моделью самолета. Кроме того, они продемонстрировали, что их система может быть легко адаптирована к задаче преследования (где Aero следовал за Bepop 2). Источник: m.vk.com Комментарии: |
|