Fliegende Insekten wie Honigbienen Fliegen Sie von Blume zu Blume und weben Sie mit einer Methode namens optischer Fluss zwischen Hindernissen: Sie nehmen die Geschwindigkeit von Objekten wahr, die sich durch ihr Sichtfeld bewegen.
Robotiker haben versucht, diese Methode in kleinen autonomen Drohnen nachzuahmen, was bisher wenig Erfolg hatte.
Ein Forscherteam der TU Delft und der Westfälischen Fachhochschule hat einen neuen, effektiveren Lernprozess auf Basis des optischen Flusses entwickelt, bei dem Entfernungen anhand von Form, Farbe und Textur von Objekten geschätzt werden. Studie wird veröffentlicht in Nature Machine Intelligence .
VERBINDUNG: ERSTE ANTWORT-Drohne KANN SICH IM FLUG AUFLADEN
Programmieren des optischen Flusses in Drohnensensoren
Die neue auf künstlicher Intelligenz KI basierende Lernmethode der Forschungsteams verbessert die Navigationsfähigkeiten von kleinen Drohnen .
Da kleine fliegende Drohnen in Bezug auf die Sensoren, die sie an Bord haben, viel eingeschränkter sind als beispielsweise ein autonomes Auto, ist es wichtig, dass sie ein äußerst effiziente Art der künstlichen Intelligenz.
"Unsere Arbeit zur optischen Flusskontrolle begann mit der Begeisterung für die eleganten, einfachen Strategien fliegender Insekten", erklärte Guido de Croon, Professor für bioinspirierte Mikro-Luftfahrzeuge und Erstautor des Artikels, in a Pressemitteilung .
"Die Entwicklung der Steuerungsmethoden zur tatsächlichen Umsetzung dieser Strategien in Flugrobotern erwies sich jedoch als alles andere als trivial. Zum Beispiel landeten unsere Flugroboter nicht wirklich, sondern sie begannen zu schwingen und gingen kontinuierlich auf und ab, genau darüberdie Landefläche. "
Schwerwiegende Einschränkungen der optischen Flussrobotik
Leider optischer Fluss in kleinen Drohnen weist einige schwerwiegende Einschränkungen auf. Das Schlimmste davon ist möglicherweise die Tatsache, dass Hindernisse in der Richtung, in die sich die Drohne bewegt, normalerweise durch Geräusche verdeckt werden. Mit anderen Worten, die Hindernisse, auf die die Drohne am wahrscheinlichsten trifft, sind diejenigen, die es sindam schwersten zu erkennen.
"Wir haben erkannt, dass beide Probleme des optischen Flusses verschwinden würden, wenn die Roboter nicht nur den optischen Fluss, sondern auch das visuelle Erscheinungsbild von Objekten in ihrer Umgebung interpretieren könnten", fügt Guido de Croon hinzu. "Dies würde es Robotern ermöglichen, Entfernungen zu erkennenzu Objekten in der Szene, ähnlich wie wir Menschen Entfernungen in einem Standbild schätzen können. Die einzige Frage war: Wie kann ein Roboter lernen, solche Entfernungen zu sehen? "
Textur als Markierung für die Entfernung
Das Team stellte fest, dass die Verwendung von Messwerten für unterschiedliche Texturen von Außenobjekten in unterschiedlichen Entfernungen zu einer viel reibungsloseren Landung für ihre kleinen Drohnen führte.
"Das Lernen, Entfernungen durch visuelles Erscheinungsbild zu erkennen, führte zu viel schnelleren und reibungsloseren Landungen als zuvor", sagt Christophe De Wagter, Forscher an der TU Delft und Mitautor des ArtikelsRoboter konnten nun auch Hindernisse in Flugrichtung sehr deutlich erkennen. Dies verbesserte nicht nur die Leistung bei der Hinderniserkennung, sondern ermöglichte es unseren Robotern auch, schneller zu werden. "
Die neue Methode wird besonders für kleinere Drohnen mit weniger Ressourcen relevant sein, erklärten die Forscher. Die Forschung des Teams hat das Potenzial, die Effizienz der in verwendeten Drohnen erheblich zu verbessern. Gewächshäuser als Erntemonitor oder als Inventar- und Bestandsverfolger.