Ερευνητής του CSAIL (Computer Science and Artificial Intelligence Lab) του ΜΙΤ ανέπτυξε ένα σύστημα εντοπισμού εμποδίων που επιτρέπει σε ένα drone να προβαίνει σε απότομες κινήσεις αποφυγής μέσα σε «δύσκολα» περιβάλλοντα, όπως ένα δάσος.

«Όλοι φτιάχνουν drones σήμερα, αλλά κανείς δεν ξέρει πώς να τα κάνει να μην πέφτουν πάνω σε πράγματα» λέει ο Άντριου Μπάρι, διδακτορικός του CSAIL, που ανέπτυξε το σύστημα σε συνεργασία με τον Ρας Τέντρεικ, καθηγητή του ΜΙΤ.

«Αισθητήρες όπως το lidar είναι πολύ βαριοί για να τοποθετηθούν σε μικρά αεροσκάφη, και η δημιουργία χαρτών του περιβάλλοντος εκ των προτέρων δεν είναι πρακτική.

Αν θέλουμε drones που μπορούν να πετούν γρήγορα και να πλοηγούνται στον πραγματικό κόσμο, χρειαζόμαστε καλύτερους, ταχύτερους αλγορίθμους».

Ο αλγόριθμος stereo-vision «τρέχει» 20 φορές γρηγορότερα από άλλα υπάρχοντα λογισμικά και επιτρέπει στο drone να εντοπίζει αντικείμενα και να φτιάχνει έναν πλήρη χάρτη του περιβάλλοντός του σε πραγματικό χρόνο.

Λειτουργώντας στα 120 frames/ δευτερόλεπτο, το λογισμικό, που είναι open-source και είναι διαθέσιμο online, βγάζει πληροφορίες βάθους σε ταχύτητα 8,3 μιλισεκόντ ανά frame.

Όσον αφορά στο drone, το οποίο έχει βάρος κάτι λιγότερο από μισό κιλό και έχει άνοιγμα φτερών 86 εκατοστά, κατασκευάστηκε από εμπορικά διαθέσιμα τμήματα, με συνολικό κόστος 1.700 δολάρια- περιλαμβανομένης μιας κάμερας σε κάθε φτερό και δύο επεξεργαστών αντίστοιχων αυτών που βρίσκει κανείς σε κινητά τηλέφωνα.

«Παραδοσιακοί» αλγόριθμοι που επικεντρώθηκαν στο συγκεκριμένο ζήτημα θα χρησιμοποιούσαν τις εικόνες από κάθε κάμερα και θα πραγματοποιούσαν αναζητήσεις σε πολλαπλές αποστάσεις- 1 μέτρο, 2 μέτρα, 3 και ούτω καθεξής- για να διαπιστώνουν εάν υπάρχουν αντικείμενα στον δρόμο του drone.

Ωστόσο, τέτοιες προσεγγίσεις είναι δύσκολες υπολογιστικά, οπότε και απαιτείται πιο εξειδικευμένο hardware για να μπορεί να πετάξει σε άξιες λόγου ταχύτητες το αεροσκάφος.

Ο Μπάρι αντιλήφθηκε πως, στις ταχύτητες στις οποίες πετά το συγκεκριμένο drone, ο κόσμος γύρω δεν αλλάζει σημαντικά ανάμεσα στα frames, οπότε και απαιτείται μόνο ένα μικρό ποσοστό μετρήσεων – σε απόσταση 10 μέτρων.

«Δεν χρειάζεται να γνωρίζεις για οτιδήποτε βρίσκεται πιο κοντά ή πιο μακριά» αναφέρει σχετικά, τονίζοντας ότι αυτός ο ορίζοντας «προχωρά» συνεχώς προς τα εμπρός.

Όπως σημειώνει, εργάζεται ήδη πάνω στη βελτίωση των αλγορίθμων έτσι ώστε να μπορούν να λειτουργούν σε πολλαπλά βάθη και σε περιβάλλοντα με ποικιλία εμποδίων.

ΠΗΓΗ: naftemporiki.gr