MIT CSAIL ‘ s drone-systeem omvat onzekerheid

0
34

Nul

Video: Levering doorbraak? Zwitserse algoritme geeft drones rijles

Robots gedijen in voorspelbare, georganiseerd omgevingen, zoals magazijnen die zijn gerangschikt in rasters. Als drones zijn in staat om te leveren pakketten in de steden zullen zij hebben om te navigeren in een onvolmaakte en onvoorspelbare omgeving. Dat is de reden waarom een team van onderzoekers van MIT ‘ s Computer Science and Artificial Intelligence Laboratory (CSAIL) ontwikkelde een drone systeem dat omvat onzekerheid.

Op dit moment kunnen mobiele robots met inbegrip van autonome voertuigen en drones combineren van verschillende benaderingen om erachter te komen waar ze zijn en hoe ze moeten naar hun bestemming zonder het raken van iets. GPS is een goede manier om een breed overzicht, maar drones zal ook behoefte aan geavanceerde software om te helpen navigeren op drukke stedelijke zones.

Moet lezen: Autonome hoog vliegende drones leren navigeren door te kijken naar het verkeer beneden

Een populaire methode voor dynamische toewijzing is simultaneous localization and mapping (SLAM), waarbij gegevens worden omgezet in kaart gebracht representaties van de wereld en de robot van de relatie. Dit is lastig voor de drones, die te snel bewegen voor computer-vision-algoritmen crunch van de gegevens. Plus, een windvlaag of een iets minder component kan gemakkelijk de drone drift genoeg om te gooien het hele systeem in de war.

Lees ook: Westpac Little Ripper drone in de ‘eerste wereld’ reddingsoperatie

“Overdreven zelfverzekerd kaarten zal je niet helpen als je wilt drones die kan werken bij hogere snelheden in de menselijke omgevingen”, zegt student Pete Florence, hoofdauteur van een nieuwe betrekking papier. In een verklaring van CSAIL legt hij uit, “Een aanpak die beter bewust zijn van de onzekerheid brengt ons op een veel hoger niveau van betrouwbaarheid in termen van het kunnen vliegen in close quarters en obstakels te vermijden.”

MIT CSAIL drone navigation

Onderzoekers aan het MIT CSAIL ontwikkelde een drone-systeem, dat voorkomt dat loopt vast door in te spelen op onzekerheid.

(Beeld: Jonathan Hoe, MIT CSAIL.)

Het systeem, genaamd NanoMap, modellen en accounts voor onzekerheid. Als een resultaat, het vermindert de crash tarieven voor drones wanneer ze onvermijdelijk drift iets natuurlijk. De CSAIL team getest op hun nieuwe drone-systeem en bevestigd dat zij in staat waren om te voorkomen dat drones van het crashen bijna elke keer. Wanneer NanoMap was niet het modelleren van onzekerheid en de drones dreef vijf procent natuurlijk, ze crashte 28 procent van de tijd. Door het toevoegen van onzekerheid met betrekking tot de vergelijking van de crash van het tarief verlaagd naar slechts twee procent.

Lees ook: Japan draait om drones, earsplitting geluid te dwingen overuren personeel te verlaten

NanoMap maakt gebruik van diepte-sensor voor het meten van de omgeving. De sleutel is dat het niet alleen de beweging van plannen voor de huidige weergave, maar ook wordt gezocht naar een geschiedenis van alles wat de drone al heeft gezien om te anticiperen op hoe om te bewegen verborgen velden van het uitzicht.

Deze vroege versie van het systeem richt zich op drones, maar in de toekomst, kan het ook worden toegepast op een zelf-rijdende auto ‘ s, die zal worden geconfronteerd met vergelijkbare uitdagingen navigeren door onzekerheid.

drone-uncertainty.gif
(Afbeelding: MIT CSAIL)

Vorige en aanverwante dekking

Autonome hoog vliegende drones leren navigeren door te kijken naar het verkeer beneden

GPS-afhankelijke drone levering is bijna onmogelijk in de steden, maar deze oplossing zou kunnen helpen bij het openen van de hemel voor Amazon en anderen.

Het registreren van uw drone (het is de wet weer…)

Wilt u niet dat uw drone-vloot moet worden geaard? Lees dit artikel om te leren hoe u uw drones. Ja, het is de wet. Opnieuw.

Verwante Onderwerpen:

Robotica

CXO

Digitale Transformatie

Tech Industrie

Smart Cities

Cloud

0