In een paper dat wordt gepubliceerd in Onbemande systemen , een groep onderzoekers heeft ontdekt dat een navigatie-algoritme voorgesteld door Baddeley et al. kan MAV's vrij snel en efficiënt de weg terug naar een eerder bezochte locatie laten vinden, waardoor het meer lijkt op een vliegend insect.

Hier is een raadsel dat een onbemande systeemingenieur je op een dag zou kunnen vragen:hoe lijkt een micro-antennevoertuig (ook bekend als een MAV) op een vliegend insect? We zullen, zou je als antwoord kunnen zeggen, zowel MAV's als vliegende insecten moeten door onbekende complexe omgevingen navigeren. Maar de hersenen van een insect zijn klein, en een MAV kan geen zware berekeningen uitvoeren en heeft vaak geen goed sensorsysteem. Als resultaat, zowel het insect als de MAV moeten vertrouwen op eenvoudige, efficiënte navigatiemechanismen die hun capaciteiten niet overbelasten. Bij het ontwikkelen van een MAV, de uitdaging is dan ook om een ​​navigatie-algoritme te schrijven dat goed werkt zonder dat er veel rekenkracht voor nodig is.

Een zo'n algoritme, voorgesteld door Baddeley et al., gebruikt camera's om te bepalen of een weergave bekend is bij een MAV. Als het uitzicht bekend is, de MAV moet die kant eerder zijn gepasseerd. Door veel van dergelijke opvattingen op vertrouwdheid te beoordelen, de MAV kan de juiste richting bepalen naar een eerder bezochte locatie. Een klein neuraal netwerk wordt ook gebruikt om een ​​route op te slaan en te recapituleren, zodat de oorspronkelijke locatie kan worden gevonden. Baddeley et al. beweren dat dit algoritme het voor de MAV onnodig zou maken om een ​​kaart van zijn omgeving te construeren - een proces dat vaak energie-intensief is.

Een team van wetenschappers, bestaande uit Gerald J.J. van Dalen, Kimberly N. McGuire, en Guido C.H.E. de Croon hebben dit algoritme op de proef gesteld door het te gebruiken in meer realistische omgevingen dan die gemaakt door Baddeley et al. voor hun eigen experimenten met het algoritme. Het team testte het algoritme ook op verschillende beeldrepresentaties (ruwe pixels, kleuren en ruimtelijk invariante informatie) om de impact van verschillende beeldparameters te zien. In aanvulling, twee methoden van weergave van weergave werden getest om te bepalen welke superieure resultaten opleverde:een opgeslagen set beeldrepresentaties (aangeduid als perfect geheugen) of een niet-gecontroleerd neuraal netwerk (bekend als Infomax). De gevoeligheid van het algoritme werd ook getest tijdens zowel rotatie als translatie.

In de rotatietoestand, de MAV is gemaakt om op een vaste locatie in de omgeving een draai van 360° uit te voeren, in stappen van 5°. De aanzichten die de MAV tijdens deze oefening 'gezien' heeft, worden vergeleken met een eerder opgeslagen beeld van die locatie. De hypothese van het team is dat de bekendheid zou moeten verbeteren naarmate de huidige weergave op de opgeslagen afbeelding begint te lijken.

In de vertaling staat, de MAV is gemaakt om van een bepaald punt langs een bepaald pad naar een locatie in de omgeving te bewegen. Opnieuw, de aanzichten die de MAV tijdens deze oefening 'gezien' heeft, worden vergeleken met een eerder opgeslagen afbeelding van die locatie. De hypothese van het team is dat de bekendheid zou moeten verbeteren naarmate de afstand tussen de MAV en de weergave in het opgeslagen beeld kleiner wordt. Om de gevoeligheid van het algoritme te testen, het team heeft geëxperimenteerd met het vergroten van de afstand tussen de MAV en de weergave in het opgeslagen beeld, evenals het vergroten van de koershoek waaronder de MAV genoemde weergave nadert.

De resultaten van deze studie suggereren dat het algoritme veelbelovend is. Wanneer getest, de MAV's presteerden op verschillende manieren goed:ze konden nauwkeurig hun weg terug vinden naar een eerder bezochte locatie, dat konden ze vrij snel doen, en ze gebruikten niet veel rekenkracht om dit te bereiken. Dit heeft spannende implicaties. Omdat dit algoritme rekenkundig efficiënt is, het zou waarschijnlijk op de meeste MAV's kunnen worden toegepast om ze homing-mogelijkheden te geven. Je zou je MAV's kunnen sturen om gegevens te verzamelen, veilig in de wetenschap dat waar ze ook gaan, ze kunnen daarna direct bij je terugkomen.

Het artikel in kwestie zal worden gepubliceerd in het volgende nummer van Onbemande systemen .