شرکت هایی مانند آمازون برای هواپیماهای بدون سرنشین ایده های بزرگی دارند که می توانند بسته ها را مستقیماً به درب شما تحویل دهند. اما ، حتی کنار گذاشتن مسائل مربوط به سیاست ، برنامه ریزی هواپیماهای بدون سرنشین برای پرواز از طریق فضاهای آشفته مانند شهرها دشوار است. قادر به جلوگیری از موانع هنگام مسافرت با سرعت های بالا ، از نظر محاسباتی بسیار پیچیده است ، به خصوص برای هواپیماهای بدون سرنشین کوچک که در حمل و نقل زمان واقعی در هواپیماها محدود هستند.
بسیاری از رویکردهای موجود به نقشهای پیچیده تکیه دارند که هدف آنها این است که هواپیماهای بدون سرنشین را دقیقاً در چه مکانی نسبت به موانع قرار دهند ، که مخصوصاً در محیط های واقعی با اشیاء غیرقابل پیش بینی عملی نیست. اگر مکان تخمینی آنها حتی با یک حاشیه کوچک خاموش باشد ، به راحتی می توانند خراب شوند.
با این حساب ، تیمی از آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) NanoMap را توسعه داده اند ، سیستمی که به هواپیماهای بدون سرنشین اجازه می دهد تا به طور مداوم 20 مایل در ساعت از طریق محیط های متراکم مانند جنگل ها و انبارها پرواز کنند.
یكی از بینشهای كلیدی NanoMap ، یك تعجب آور ساده است: این سیستم موقعیت پهپادها را در جهان به یك زمان ناامن می داند ، و در واقع آن عدم اطمینان را مدل می كند و به حساب می آورد .
پیت فلورانس ، دانش آموخته فارغ التحصیل ، می گوید: "اگر می خواهید هواپیماهای بدون سرنشین بتوانند با سرعت بیشتری در محیط های انسانی کار کنند ، نقشه ها به شما کمک نمی کنند." "رویکردی که بهتر از عدم قطعیت آگاهی داشته باشد ، از لحاظ توانایی در پرواز در محله های نزدیک و جلوگیری از موانع ، سطح اطمینان بسیار بالاتری را به ما می بخشد."
به طور خاص ، NanoMap از یک سیستم سنجش عمق استفاده می کند تا یکسری اندازه گیری ها را در مورد محیط اطراف این پهپاد انجام دهد. این اجازه می دهد تا نه تنها برنامه هایی برای حرکت در زمینه دید فعلی خود ایجاد کند ، بلکه پیش بینی می کند که چگونه باید در میدان دید پنهانی که قبلاً دیده بود ، حرکت کند.
سیستم MIT CSAIL هواپیماهای بدون سرنشین را قادر می سازد از طریق جنگل ها پرواز کنند. اعتبار: جاناتان چگونه ، MIT
فلورانس می گوید: "نوعی ذخیره کردن تمام تصاویری است که از جهان دیده اید به عنوان نوار بزرگی در سر شما." وی گفت: "برای طراحی هواپیماهای بدون سرنشین ، در اصل به زمان برمی گردد تا به طور جداگانه به همه مکان های مختلفی که در آن بود فکر کنیم."
آزمایشات تیم تأثیر عدم اطمینان را نشان می دهد. به عنوان مثال ، اگر NanoMap از عدم اطمینان مدل سازی نمی کرد و هواپیمای بدون سرنشین فقط پنج درصد از جایی که انتظار می رفت دور می شد ، این پهپاد بیش از هر چهار پرواز یک بار سقوط می کرد. در همین حال ، هنگامی که این عدم اطمینان را به خود اختصاص داد ، نرخ سقوط به دو درصد کاهش یافت.
این مقاله توسط فلورانس و استاد MIT Russ Tedrake در کنار مهندسان نرم افزار تحقیقاتی جان کارتر و جیک وایر به نویسندگی رسیده است. اخیراً در کنفرانس بین المللی رباتیک و اتوماسیون IEEE (ICRA) پذیرفته شد ، که در ماه مه در بریزبن ، استرالیا برگزار می شود.
در حال حرکت فراتر از نقشه ها
سالها دانشمندان رایانه روی الگوریتم هایی کار کرده اند که به هواپیماهای بدون سرنشین اجازه می دهد بدانند که در کجا هستند ، چه چیزی در اطراف آنها است و چگونه می توان از یک نقطه به نقطه دیگر رسید. رویکردهای رایج مانند بومی سازی همزمان و نقشه برداری (SLAM) داده های خام جهان را بدست می آورد و آنها را به بازنمایی نقشه برداری می کند.
اما از خروجی روشهای SLAM به طور معمول برای برنامه ریزی حرکات استفاده نمی شود. این جایی است که محققان غالباً از روشهایی مانند "شبکه های اشغال" استفاده می کنند ، که در آن بسیاری از اندازه گیری ها در یک نمایه خاص از جهان 3 بعدی گنجانیده شده است.
مشکل این است که چنین داده هایی می توانند سریع و غیرقابل اعتماد باشند و به سختی جمع آوری شوند. در سرعت های بالا الگوریتم های دید در کامپیوتر نمی توانند بخش اعظمی از محیط اطراف خود را ایجاد کنند و هواپیماهای بدون سرنشین را وادار به اتکا به داده های ناکارآمد از سنسور واحد اندازه گیری اینرسی (IMU) می کند ، که چیزهایی مانند شتاب پهپاد و سرعت چرخش را اندازه گیری می کند.
نحوه برخورد NanoMap این است که در اصل جزئیات جزئی را عرق نمی کند. این فرضیه عمل می کند که برای جلوگیری از ایجاد مانع ، لازم نیست 100 اندازه گیری مختلف را انجام دهید و میانگین آن را پیدا کنید تا مکان دقیق آن را در فضا مشخص کنید. در عوض ، می توانید اطلاعات کافی را جمع کنید تا بدانید که شی در یک منطقه عمومی قرار دارد.
سباستین شفر ، دانشمند سیستم های روباتیک دانشگاه کارنگی ملون می گوید: "تفاوت اصلی با کار قبلی این است که محققان نقشه ای متشکل از مجموعه ای از تصاویر با عدم اطمینان از موقعیتشان و نه فقط مجموعه ای از تصاویر و موقعیت ها و جهت گیری آنها ایجاد کرده اند." موسسه "پیگیری عدم قطعیت این مزیت را دارد که اجازه استفاده از تصاویر قبلی را می دهد حتی اگر روبات دقیقاً جایی را نشناسد و در برنامه ریزی بهبود یافته اجازه دهد."
فلورانس NanoMap را به عنوان اولین سامانه ای که قادر به پرواز با هواپیماهای بدون سرنشین با داده های سهبعدی است که از "عدم قطعیت" آگاه هستند ، توصیف می کند - به این معنی که این پهپاد فکر می کند که با حرکت در جهان ، موقعیت و جهت گیری خود را کاملاً نمی داند. تکرارهای آتی ممکن است بخش های دیگری از اطلاعات ، مانند عدم اطمینان در اندازه گیری های عمق سنج پهپاد را نیز در بر بگیرد.
NanoMap به ویژه برای هواپیماهای بدون سرنشین کوچکتر که از طریق فضاهای کوچکتر حرکت می کنند ، مؤثر است و با یک سیستم دوم که بر برنامه ریزی های افقی طولانی تر متمرکز است ، به خوبی در کنار هم کار می کند. (محققان سال گذشته NanoMap را در یک برنامه مرتبط با آژانس پروژه های تحقیقاتی پیشرفته دفاعی یا DARPA آزمایش کردند.)
این تیم می گوید که این سیستم می تواند در زمینه هایی اعم از جستجو و نجات و دفاع تا تحویل بسته و سرگرمی مورد استفاده قرار گیرد و همچنین می تواند برای اتومبیل های رانندگی و سایر اشکال هدایت خودکار استفاده شود.
Scherer می گوید: "محققان نتایج چشمگیر را از پرهیز از موانع نشان داده اند و این کار به روبات ها امکان می دهد تا به سرعت درگیری ها را بررسی کنند." "پرواز سریع در میان موانع یک قابلیت کلیدی است که امکان فیلمبرداری بهتر توالی های اکشن ، جمع آوری اطلاعات کارآمدتر و پیشرفت های دیگر را در آینده فراهم می کند."
:: بازدید از این مطلب : 89
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0