Todos los drones comerciales de hoy en día usan GPS, que funciona bien sobre los techos de edificios y en alturas altas. Pero qué, cuando los drones tienen que navegar de forma autónoma a baja altitud entre edificios altos o en las calles densas y desestructuradas de la ciudad con automóviles, ciclistas¿O los peatones cruzan repentinamente su camino? Hasta ahora, los drones comerciales no pueden reaccionar rápidamente ante tales eventos imprevistos.
Integrar la navegación autónoma de drones
Investigadores de la Universidad de Zúrich y el Centro Nacional de Competencia en Investigación de NCCR Robotics desarrollaron DroNet, un algoritmo que puede conducir con seguridad un avión no tripulado por las calles de una ciudad. Diseñado como una red residual rápida de 8 capas, produce dos salidaspara cada imagen de entrada individual: un ángulo de dirección para mantener el dron navegando mientras se evitan obstáculos, y una probabilidad de colisión para permitir que el dron reconozca situaciones peligrosas y reaccione rápidamente a ellas ". DroNet reconoce obstáculos estáticos y dinámicos y puede reducir la velocidad para evitar chocarCon este algoritmo hemos dado un paso adelante hacia la integración autónoma de la navegación de drones en nuestra vida cotidiana ", dice Davide Scaramuzza, profesor de robótica y percepción en la Universidad de Zúrich.
Potente algoritmo de inteligencia artificial
En lugar de depender de sensores sofisticados, el dron desarrollado por investigadores suizos utiliza una cámara normal como la de cada teléfono inteligente y un algoritmo de inteligencia artificial muy potente para interpretar la escena que observa y reaccionar en consecuencia. El algoritmo consiste en un llamadoRed neuronal profunda ". Este es un algoritmo informático que aprende a resolver tareas complejas a partir de un conjunto de 'ejemplos de entrenamiento' que muestran al dron cómo hacer ciertas cosas y hacer frente a algunas situaciones difíciles, al igual que los niños aprenden de sus padres o maestros,"dice el Prof. Scaramuzza.
Los automóviles y las bicicletas son los maestros de los drones
Uno de los desafíos más difíciles en Deep Learning es recopilar varios miles de 'ejemplos de entrenamiento'. Para obtener suficientes datos para entrenar sus algoritmos, el Prof. Scaramuzza y su equipo recolectaron datos de automóviles y bicicletas que conducían en entornos urbanos.Al imitarlos, el dron aprendió automáticamente a respetar las reglas de seguridad, como "Cómo seguir la calle sin cruzar hacia el carril que se aproxima" y "Cómo detenerse cuando obstáculos como peatones, obras de construcción u otros vehículos bloquean sus caminos."Aún más interesante, los investigadores mostraron que sus drones aprendieron a navegar no solo por las calles de la ciudad, sino también en entornos completamente diferentes, donde nunca se les enseñó a hacerlo. De hecho, los drones aprendieron a volar de forma autónoma en ambientes interiores,como estacionamientos y pasillos de oficinas.
hacia drones totalmente autónomos
Esta investigación abre el potencial para el monitoreo y la vigilancia o la entrega de paquetes en calles desordenadas de la ciudad, así como las operaciones de rescate en áreas urbanas desastrosas. Sin embargo, el equipo de investigación advierte sobre las expectativas exageradas de lo que pueden hacer los drones ligeros y baratos ".aún debe superarse antes de que las aplicaciones más ambiciosas puedan hacerse realidad ", dice el estudiante de doctorado Antonio Loquercio.
Fuente de la historia :
Materiales proporcionado por Universidad de Zurich . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :