MIT CSAIL s drönare systemet omfattar osäkerhet

0
30

Noll

Video: Leverans genombrott? Schweiziska algoritm ger drönare körlektion

Robotar trivs i förutsägbara, organiserade miljöer, såsom lager som är ordnade i nät. Om drönare kommer att kunna leverera paket i städer, de ska ha för att navigera en ofullkomlig och oförutsägbar miljö. Det är därför ett team av forskare vid MIT: s Computer Science and Artificial Intelligence Laboratory (CSAIL) utvecklat en drone-system som omfattar osäkerhet.

För närvarande mobila robotar inklusive autonoma fordon och drönare kombinera flera metoder för att räkna ut var de är och hur de ska komma till sin destination utan att träffa något. GPS är ett bra sätt att få en bred överblick, men drönare kommer också att behöva sofistikerad programvara för att hjälpa till att navigera i urbana områden.

Måste läsa: Autonoma högt flygande drönare lära sig att navigera sig genom att titta på trafiken nedanför

En populär metod för dynamisk kartläggning är samtidigt lokalisering och kartläggning (SLAM), som omvandlar data i mappade representationer av världen och robotens förhållande till det. Detta är svårt för drönare, som rör sig för snabbt för dator-vision algoritmer till kritan data. Plus, en vindpust eller en något bristfällig komponent kan enkelt göra drone drift tillräckligt för att kasta hela systemet ur smäll.

Läs också: Westpac Lite Ripper drone i “världens första” räddningsoperation

“Alltför säker på kartor kommer inte att hjälpa dig om du vill drönare som kan arbeta vid högre hastigheter i mänskliga miljöer, säger doktorand Pete Florens, som är huvudförfattare till en ny relaterad papper. I ett uttalande från CSAIL han förklarar, “En strategi som är bättre medvetna om att osäkerheten blir för oss en mycket högre nivå av tillförlitlighet i termer av att kunna flyga på nära håll och undvika hinder.”

MIT CSAIL drone navigation

Forskare vid MIT CSAIL utvecklat en drone system som minskar kraschar genom att förutse osäkerhet.

(Bild: Jonathan Hur, MIT CSAIL.)

Systemet, som kallas NanoMap, modeller och står för osäkerhet. Som en följd av det minskar krasch priser för drönare när de oundvikligen glida lite utanför kursen. Den CSAIL team testade deras nya drone-system och bekräftade att de inte kunde förhindra drönare från att krascha nästan varje gång. När NanoMap var inte modellera osäkerhet och drönare drev fem procent av kursen, de kraschade 28 procent av tiden. Genom att lägga till osäkerhet till ekvationen, kraschen priset var nedsatt till bara två procent.

Läs också: Japan vänder sig till drönare, earsplitting ljud för att tvinga övertid för personalen att lämna

NanoMap använder djup-sensorer för att mäta dess omgivningar. Det viktiga är att det inte bara gör motion planer för dess aktuella vyn, men den söker också en historia av allt drönare har redan sett till att förutse hur att flytta runt dolda fält.

Denna tidiga version av systemet fokuserar på drönare, men i framtiden kan det även kunde användas för att själv köra bil, vilket kommer att ställas inför liknande utmaningar navigera genom osäkerhet.

drone-uncertainty.gif
(Bild: MIT CSAIL)

Tidigare och relaterade täckning

Autonoma högt flygande drönare lära sig att navigera sig genom att titta på trafiken nedanför

GPS-beroende drone leverans är alla, men omöjligt i städer, men denna lösning kan hjälpa till att öppna himlen för Amazon och andra.

Hur du registrerar din drone (det är lag… igen)

Inte vill att din drone flotta för att vara jordad? Läs denna artikel för att lära dig hur du registrerar din drönare. Ja, det är lagen. Igen.

Relaterade Ämnen:

Robotteknik

CXO

Digital Omvandling

Tech-Industrin

Smarta Städer

Cloud

0