Onderzoekers van ETH Zürich en de Universiteit van Bologna hebben onlangs PULP Dronet opgericht, een 27 gram onbemand luchtvaartuig (UAV) van nanoformaat met een op deep learning gebaseerde visuele navigatie-engine. Hun mini-drone, gepresenteerd in een paper dat vooraf is gepubliceerd op arXiv, kan aan boord van een end-to-end, closed-loop visuele pijplijn voor autonome navigatie aangedreven door een state-of-the-art deep learning-algoritme.

"Het is nu zes jaar dat ETH Zürich en de Universiteit van Bologna volledig betrokken zijn bij een gezamenlijk project:het parallelle ultra-low power platform (PULP), "Daniëlle Palossi, Francesco Conti en prof. Luca Benini, de drie onderzoekers die het onderzoek uitvoerden, die werken in een lab onder leiding van Prof. Benini, vertelde TechXplore via e-mail. "Onze missie is het ontwikkelen van een open source, zeer schaalbaar hardware- en softwareplatform om energie-efficiënte berekeningen mogelijk te maken waarbij het vermogensbereik slechts enkele milliwatts is, zoals sensornodes voor het Internet of Things en miniatuurrobots zoals nanodrones van enkele tientallen grammen.”

In grote en middelgrote drones, het beschikbare energiebudget en de payload maken de exploitatie van high-end krachtige computerapparatuur mogelijk, zoals die ontwikkeld door Intel, Nvidia, Qualcomm, enz. Deze apparaten zijn geen haalbare optie voor miniatuurrobots, die worden beperkt door hun grootte en de daaruit voortvloeiende stroombeperkingen. Om deze beperkingen te overwinnen, het team besloot zich te laten inspireren door de natuur, specifiek van insecten.

"In de natuur, kleine vliegende dieren zoals insecten kunnen zeer complexe taken uitvoeren terwijl ze slechts een kleine hoeveelheid energie verbruiken bij het waarnemen van de omgeving en het denken, "Palossi, Conti en Benini legden het uit. "We wilden onze energiezuinige computertechnologie gebruiken om deze functie in wezen te repliceren."

Om de bij insecten waargenomen energiebesparende mechanismen te repliceren, de onderzoekers werkten aanvankelijk aan het integreren van kunstmatige intelligentie op hoog niveau in de ultrakleine energie-envelop van een nano-drone. Dit bleek nogal uitdagend, omdat ze moesten voldoen aan de energiebeperkingen en strikte realtime computervereisten. Het belangrijkste doel van de onderzoekers was om met zeer weinig vermogen zeer hoge prestaties te leveren.

"Onze visuele navigatie-engine bestaat uit een hardware- en een softwareziel, "Palossi, zeiden Conti en Benini. "Het eerste wordt belichaamd door de parallel, ultra-laag machtsparadigma, en de eerste door een het DroNet Convolutional Neural Network (CNN), eerder ontwikkeld door de Robotics and Perception Group van de Universiteit van Zürich voor 'resource-unconstrained' grote drones, die we hebben aangepast aan de energie- en prestatie-eisen."

Het navigatiesysteem pakt een cameraframe en verwerkt dit met een state-of-the-art CNN. Vervolgens, het bepaalt hoe de houding van de drone moet worden gecorrigeerd, zodat deze in het midden van de huidige scène wordt gepositioneerd. Dezelfde CNN identificeert ook obstakels, de drone stoppen als hij een onmiddellijke dreiging detecteert.

"In principe, onze PULP Dronet kan een straatbaan volgen (of iets dat erop lijkt, bijv. een gang), botsingen vermijden en remmen bij onverwachte obstakels, "De echte sprong die ons systeem biedt in vergelijking met eerdere vliegende robots in zakformaat, is dat alle operaties die nodig zijn om autonome navigatie te bereiken direct aan boord worden uitgevoerd. zonder dat een menselijke operator nodig is, noch ad-hoc infrastructuur (bijv. externe camera's of signalen) en in het bijzonder, zonder enig basisstation op afstand dat voor de berekening wordt gebruikt (bijv. externe laptop)."

In een reeks veldexperimenten de onderzoekers toonden aan dat hun systeem zeer responsief is en botsingen met onverwachte dynamische obstakels tot een vliegsnelheid van 1,5 m/s kan voorkomen. Ze ontdekten ook dat hun visuele navigatie-engine in staat is tot volledig autonome indoornavigatie op een voorheen ongezien pad van 113 meter.

De studie uitgevoerd door Palossi en zijn collega's introduceert een effectieve methode die een ongekend niveau van intelligentie integreert in apparaten met zeer strikte stroombeperkingen. Dit is op zich al indrukwekkend, omdat het mogelijk maken van autonome navigatie in een drone op zakformaat een enorme uitdaging is en nog maar zelden is gelukt.

"In tegenstelling tot een traditionele embedded edge-node, hier, we worden niet alleen beperkt door het beschikbare energie- en stroombudget om de berekening uit te voeren, maar we zijn ook onderworpen aan een prestatiebeperking, " legden de onderzoekers uit. "Met andere woorden, als de CNN te langzaam liep, de drone zou niet op tijd kunnen reageren, een aanrijding voorkomen of op het juiste moment afslaan."

De kleine drone ontwikkeld door Palossi en zijn collega's zou talloze directe toepassingen kunnen hebben. Bijvoorbeeld, een zwerm PULP-Dronets zou kunnen helpen bij het inspecteren van ingestorte gebouwen na een aardbeving, het bereiken van plaatsen die onbereikbaar zijn voor menselijke redders in kortere perioden, dus zonder het leven van operators in gevaar te brengen.

"Elk scenario waarin mensen baat zouden hebben bij een kleine, weerbaar, en intelligent rekenknooppunt is nu dichterbij, variërend van dierenbescherming tot hulp aan ouderen/kinderen, inspectie van gewassen en wijngaarden, verkenning van gevaarlijke gebieden, reddingsmissies en nog veel meer, " zeiden de onderzoekers. "We hopen dat ons onderzoek de kwaliteit van leven van iedereen zal verbeteren."

Volgens Palossi en zijn collega's, hun recente studie is slechts een eerste stap naar het mogelijk maken van echt 'biologisch niveau' intelligentie aan boord en er zijn nog verschillende uitdagingen die overwonnen moeten worden. In hun toekomstige werk, ze zijn van plan een aantal van deze uitdagingen aan te pakken door de betrouwbaarheid en intelligentie van de navigatiemotor aan boord te verbeteren; gericht op nieuwe sensoren, meer geavanceerde mogelijkheden en betere prestaties per watt. De onderzoekers hebben al hun code publiekelijk vrijgegeven, datasets en trainingsnetwerken, wat ook andere onderzoeksteams zou kunnen inspireren om soortgelijke systemen te ontwikkelen op basis van hun technologie.

"Op lange termijn, ons doel is om resultaten te bereiken die vergelijkbaar zijn met wat we hier hebben gepresenteerd op een vliegende robot van pico-formaat (een paar gram in gewicht, met de afmeting van een libel), " voegden de onderzoekers eraan toe. "Wij geloven dat het creëren van een sterke en solide gemeenschap van onderzoekers en enthousiastelingen gebaseerd op onze visie van fundamenteel belang zal zijn om dit uiteindelijke doel te bereiken. Om deze reden, we hebben al onze code- en hardwareontwerpen als open source voor iedereen beschikbaar gemaakt."

© 2019 Wetenschap X Netwerk