MIT CSAIL del drone sistema abbraccia incertezza

0
22

Zero

Video: la Consegna dell’innovazione? Svizzera algoritmo fornisce droni lezione di guida

Robot prosperare in prevedibile, organizzato ambienti come magazzini, che sono disposti in una griglia. Se i droni stanno andando a essere in grado di consegnare i pacchi in città, dovrà spostarsi in un imperfetto e imprevedibile ambiente. È per questo che un team di ricercatori del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) ha sviluppato un drone sistema che abbraccia incertezza.

Attualmente, robot mobili, compresi veicoli autonomi e droni combinare diversi approcci per capire dove sono e come si dovrebbe arrivare a destinazione senza colpire nulla. Il GPS è un buon modo per ottenere una visione ampia, ma i droni sarà bisogno anche di un sofisticato software per navigare affollate zone urbane.

Deve leggere: Autonomo high flying droni imparare a navigare guardando il traffico di sotto

Un metodo popolare per la mappatura dinamica è simultaneous localization and mapping (SLAM), che converte i dati in mappato rappresentazioni del mondo e il robot relazione ad esso. Questo è difficile per i droni, che si muovono troppo velocemente computer-algoritmi di visione per crunch i dati. Inoltre, una folata di vento o una leggermente imperfetti componente può facilmente rendere il drone deriva abbastanza per gettare l’intero sistema di whack.

Leggi anche: Westpac Po ‘ di Ripper drone in ‘primo mondo’ operazione di salvataggio

“Troppo sicure le mappe non vi aiuterà se si desidera che i droni in grado di operare a velocità più elevate in ambienti umani,” dice studente laureato Pete Firenze, autore principale di un nuovo correlate di carta. In una dichiarazione dal CSAIL, egli spiega, “Un approccio che è più consapevole di incertezza ottiene un livello molto più elevato di affidabilità in termini di essere in grado di volare nei quarti vicini ed evitare gli ostacoli.”

MIT CSAIL drone navigation

I ricercatori del MIT CSAIL sviluppato un drone sistema che riduce gli incidenti anticipare l’incertezza.

(Immagine: Jonathan Come, MIT CSAIL.)

Il sistema, chiamato NanoMap, modelli e conti per l’incertezza. Come risultato, si riduce il crash prezzi per i droni, quando inevitabilmente deriva leggermente fuori rotta. Il CSAIL team ha testato il loro nuovo drone per il sistema e ha confermato che erano in grado di prevenire i droni da crash quasi ogni volta. Quando NanoMap non era la modellazione dell’incertezza e i droni alla deriva cinque per cento di sconto del corso, che si è schiantato il 28 per cento del tempo. Aggiungendo incertezza per l’equazione, il crash tasso è stato ridotto a meno di due per cento.

Leggi anche: il Giappone si rivolge a droni, earsplitting suono di forza lavoro straordinario al personale di lasciare

NanoMap utilizza profondità di rilevamento per misurare i suoi dintorni. La chiave è che non basta fare il movimento piani per la vista corrente, ma si cerca anche una storia di tutto il drone ha già visto per anticipare come muoversi campi nascosti di vista.

Questa prima versione del sistema si concentra sui droni, ma in futuro potrebbe essere applicata anche al self-driving cars, che si troveranno ad affrontare sfide simili la navigazione attraverso l’incertezza.

drone-uncertainty.gif
(Immagine: MIT CSAIL)

Precedente e relativa copertura

Autonoma di alta volare droni imparare a navigare guardando il traffico di sotto

GPS-dipendente drone consegna è del tutto impossibile, in città, ma questa soluzione potrebbe aiutare ad aprire il cielo per Amazon e altri.

Come registrare il vostro drone (è la legge…)

Non vuoi che il tuo drone flotta messa a terra? Leggi questo articolo per imparare come registrare i droni. Sì, è la legge. Di nuovo.

Argomenti Correlati:

Robotica

CXO

La Trasformazione Digitale

Settore Tech

Smart Cities

Cloud

0