MIT CSAIL ‘ s drone-systemet omfatter usikkerhed

0
20

Nul

Video: Levering gennembrud? Schweiziske algoritme giver droner kørsel lektion

Robotter trives i forudsigelige, organiserede miljøer, såsom lagre, der er arrangeret i net. Hvis droner kommer til at være i stand til at levere pakker i byer, de er nødt til at navigere i en ufuldkommen og uforudsigeligt miljø. Det er derfor et team af forskere ved MIT ‘ s Computer Science and Artificial Intelligence Laboratory (CSAIL) udviklet en drone system, der rummer usikkerhed.

I øjeblikket, mobile robotter, herunder autonome køretøjer og droner kombinere flere tilgange at finde ud af, hvor de er, og hvordan de skal komme til deres bestemmelsessted uden at ramme noget. GPS er en god måde at få et bredt overblik, men droner vil også brug for avanceret software til at hjælpe med at navigere overfyldte byområder.

Skal læs: Autonome højt flyvende droner lære at navigere ved at se trafikken nedenfor

En populær metode til dynamisk kortlægning er samtidig lokalisering og kortlægning (SLAM), som konverterer data til tilknyttede repræsentationer af verden, og robotten er i forhold til det. Det er en svær situation for droner, der bevæger sig for hurtigt til, at computer-vision algoritmer til at knuse data. Plus, et vindstød eller en lidt ufuldkomne komponent kan nemt gøre drone drift nok til at kaste hele systemet ude af whack.

Læs også: Westpac Lidt Ripper drone i ‘verdens første’ redningsaktion

“Alt for sikker på, kort vil ikke hjælpe dig, hvis du ønsker droner, der kan operere ved højere hastigheder i menneskelige miljøer,” siger ph.d. – studerende Pete Firenze, der er hovedforfatter på en ny forbindelse papir. I en erklæring fra CSAIL forklarer han, “En tilgang, der er bedre klar af usikkerhed får os en langt højere grad af pålidelighed i forhold til at være i stand til at flyve i tæt hold og undgå forhindringer.”

MIT CSAIL drone navigation

Forskere ved MIT CSAIL udviklet en drone system, der reducerer nedbrud ved at foregribe usikkerhed.

(Billede: Jonathan Hvordan, MIT CSAIL.)

Systemet, kaldet NanoMap, modeller og regnskaber for usikkerhed. Som et resultat, det reducerer crash priser til droner, når de uundgåeligt glide lidt ud af kurs. Den CSAIL team testet deres nye drone system og bekræftede, at de var i stand til at forhindre, at droner fra nedbrud næsten hver gang. Når NanoMap var ikke modellering usikkerhed og droner udføre kalibreringsindsprøjtningerne fem procent ud af kurs, de styrtede 28 procent af tiden. Ved at tilføje usikkerhed til ligningen, crash sats blev reduceret til kun to procent.

Læs også: Japan bliver til droner, earsplitting lyd for at tvinge overarbejde medarbejdere til at forlade

NanoMap bruger dybde-sensor til at måle sine omgivelser. Det centrale er, at det ikke bare gøre motion planerne for den aktuelle visning, men det søger også en historie om alt det, drone har allerede set at forudse, hvordan til at flytte rundt skjulte felter.

Denne tidlige version af systemet fokuserer på droner, men i fremtiden, det kunne også anvendes til selvkørende biler, som står over for lignende udfordringer navigere gennem usikkerhed.

drone-uncertainty.gif
(Billede: MIT CSAIL)

Tidligere og relaterede dækning

Autonome højt flyvende droner lære at navigere ved at se trafikken nedenfor

GPS-afhængig drone levering er alle, men umuligt i byer, men denne løsning kunne hjælpe med at åbne himmel for Amazon og andre.

Hvordan til at registrere dine drone (det er ret… igen)

Ikke ønsker, at dine drone flåde til at være baseret? Læse denne artikel for at lære, hvordan til at registrere dine droner. Ja, det er loven. Igen.

Relaterede Emner:

Robotteknologi

CXO

Digital Transformation

Tech-Branchen

Intelligente Byer

Cloud

0