Статия, публикувана в Geospatial World, съобщава за нискобюджетен метод за автоматично засичане и избягване на сблъсъци, предназначен за дронове от всички размери. Системата е разработена от изследователски екип, който използва стандартен софтуер за видео игри и стереокамери.
Според доклада, екип от изследователи от Мадридския политехнически университет, MIT (Масачузетски технологичен институт) и Тексаския университет A&M са разработили система за наблюдение и избягване на сблъсъци. За създаването на тази система са използвани обикновена камера и стандартен процес за обработка на данни, като системата върши отлична работа при малки дронове под 2 кг. Поради своите размери и ограничения, добре познатите сензори като LIDAR, радари и акустични сензори, не са особено практични по отношение целите за засичане и избягване.
Изследователите използваха основите на предишен проект от 2018 година, намалявайки енергийните нужди и залагайки на евтини конвенционални камери, както и на базови изчисления, без какъвто и да било междинен софтуер. Крайният резултат трябваше да може да се интегрира напълно в малък квадрокоптер, давайки възможност на съответното превозно средство да наблюдава и избягва множество летящи обекти наоколо.
Тайната зад реализацията на проекта се крие в това, че въпросните конвенционални камери по двойки са способни да имитират човешкото възприятие за дълбочина и да разчитат на смилаеми данни, които се оказват значително по-надеждни в практиката от определени техни алтернативи.
Чрез измерване на разликите от геометрична гледна точка между две изображения, направени едно до друго, дълбочинното картографиране на стереокамерите позволява на системата да идентифицира обекти, които биха могли да бъдат заплаха за автономното превозно средство. В първото си изпитване на технологията изследователският екип реализира на практика точно този метод за идентификация на заплахите. Постигането на крайната цел посредством прости камери изисква надеждни рамки за идентифициране, оразмеряване и проследяване движението на въпросните обекти. За да изгради такива рамки, екипът заложи на Microsoft AirSim.
В процеса по разработване на система за избягване на сблъсъци, изследователският екип използва AirSim за моделиране на сложи среди, симулиране на полети на дронове за тренировка, както и прецизен контрол на заснемането на изображения. Всичко това позволи да се събери необходимото съдържание във връзка с дейностите по тренинг и моделиране, което да бъде усвоено в пълна степен от приложението за машинно обучение.
Със заснетите независими перспективи отляво и отдясно, екипът успя да създаде фотореалистични рендери за разпознаване на размер, позиция, както и дълбочинно картографиране на дронове, без значение дали те се намират в статично положение или в движение. Ползвайки тези работещи модели, допълнително се намаляват разходите за продукта, интегриран в съответните дронове, като се пишат програмите в C++ и C/CUDA. Споменатите основни езици не изискват сложен междинен софтуер за обработка на изображения и правене на заключения по време на полет. Те са способни дори да редуцират нуждата от ресурси, употребявайки един общ модул за съхранение както на изображения, така и на интерпретации.
След създаването на модели, тренировките и тестването на Al, както и подготовката на тестовото превозно средство, публикуваните от екипа резултати ясно показват огромния прогрес, реализиран в неговата работна концепция. Оборудваният дрон, използван в тестовете, се оказа способен да идентифицира, проследява и прави корекции в траекторията на полета. Подобни действия се извършват като реакция на други дронове с различни размери, част от цялостната сложна среда. Сложна среда, чиито специфики изискват проследяване както на статичните обекти и препятствия наоколо, така и на тези, които се намират в движение.
