AI帮助无人机躲避快速移动的物体

 
目前，能够自主回避的无人机并不新颖 – 大疆多年来一直将其置于其阵容中。但是那些可以躲避快速移动的弹丸的四轴飞行器呢?这就是马里兰大学和苏黎世联邦理工学院的科学家们在预印本服务器Arxiv.org上发表的一篇新文章(“EVDodge：使用事件相机在四旋翼飞行器上进行高速闪避的体现AI”)中所描述的。他们声称，他们对导航堆栈的哲学“重新构想”，被称为Embodied AI，几乎可以让任何无人机都能避免移动障碍物而不仅仅是摄像机和机载计算机。
他们打算在论文被接受发表后发布附带的代码和培训数据集。
“我们针对一般导航问题开发了一种有目的的基于人工智能的公式，”该论文的共同作者写道。 “体现AI ……是基于代理硬件限制和时序/计算约束知识的AI设计……据我们所知，这是第一个基于深度学习的解决方案，用于在四旋翼飞行器上使用事件摄像机避免动态避障问题。 ”
无人机AI障碍
那么它是怎样工作的?该团队的设置包括一个面向前方的基于事件的摄像头 – 即具有卓越延迟和高动态范围的图像传感器 – 以及一个低分辨率的向下摄像头，以及声纳和惯性测量单元。利用所收集的数据，“浅”AI模型网络 – EVDeBlurNet，EVHomographyNet和EVSegFlowNet – 各自执行“适度”任务，如去模糊和去噪图像序列，近似来自向下摄像头的背景运动，以及分割障碍物以进行计算他们的议案。检测五个连续帧的障碍物以估计它们的轨迹或速度，并且一旦完成，模型根据它们的几何形状对它们进行分类 – (1)具有已知半径的球体，(2)具有已知尺寸的未知形状的物体，或(3)未经事先知情的未知物体 – 并指示无人机作出相应反应。
该团队用四种不同的物体进行了测试 – 球形球，玩具车，模型飞机和Parrot Bepop 2无人机 – 从距离17英尺以上的目标Intel Aero四轴飞行器投掷或飞行。 (为了实现“稳健”估计，不同质地的地毯铺设在地面上以在事件框架中提供“强烈轮廓”。)在200多次试验过程中，研究人员取得了70%至86%的成功率，后者与玩具车和模型飞机。此外，他们表明他们的导航堆栈可以适应追求任务(其中Aero遵循Bepop 2)，他们说这证明了它的普遍性。
“[我们的]哲学被用于开发一种方法，仅使用单眼事件摄像机和车载传感来避开动态障碍，”研究人员总结道，他们为未来的工作留下了更强大的车载摄像机事件框架结构，可能会进一步改善性能。但就目前而言，研究人员表示他们能够“成功地评估和演示在许多真实世界的实验中提出的方法，其中包括不同形状和大小的障碍物。”