Onderzoekers van het Karlsruhe Institute of Technology in Duitsland hebben onlangs een interactieve drone ontwikkeld die is ontworpen om mensen te helpen in binnenomgevingen zoals kantoren of laboratoria. In een paper dat vooraf is gepubliceerd op arXiv, de onderzoekers presenteerden de resultaten van hun drone bij het uitvoeren van eenvoudige taken in het laboratorium.

"In deze krant, we presenteren een drone-assistent op kantoor die de taak heeft om boodschappen te doen en eenvoudige taken uit te voeren in ons laboratorium, terwijl ze instructies krijgen van en interactie hebben met mensen in de ruimte, ’ schreven de onderzoekers in hun paper.

De benadering van het ontwerpen van de drone die door de onderzoekers is aangenomen, is gecentreerd rond het begrip "missies, " wat inhoudt dat je invoerparameters moet ontvangen en aan succesvolle voorwaarden moet voldoen, of 'doelen'. Om een ​​missie succesvol te voltooien, hun drone moet alle bijbehorende doelen kunnen bereiken.

"In het geval van het systeem dat in dit document wordt gepresenteerd, de invoerparameter is een verbaal verzoek om in een kantooromgeving naar een bepaalde bestemming (kamer of persoon) te vliegen, " legden de onderzoekers uit in hun paper. "Het doel van de missie is om het doel te bereiken zonder enige handmatige tussenkomst en botsing met statische of dynamische obstakels."

De door de onderzoekers gepresenteerde interactieve drone is een aangepaste versie van de Crazyflie 2.0-drone, ontworpen door een bedrijf genaamd Bitcraze. Het heeft verschillende componenten:een subsysteem voor automatische spraakherkenning (ASR) dat de verbale verzoeken van een gebruiker transcribeert; een dialoogsysteem dat deze verzoeken ontvangt, verwerkt ze en identificeert de doelgroep binnen het kantoor, en een vluchtcontroller die het traject van de drone naar het gewenste doel plant terwijl hij botsingen met obstakels probeert te vermijden.

De onderzoekers besloten om elk van de componenten van het systeem afzonderlijk te evalueren om duidelijk te bepalen welke functies geperfectioneerd moesten worden. Om het dialoogsysteem te evalueren, ze vroegen drie anderstaligen Engels om eenvoudige verbale instructies hardop te geven, bijvoorbeeld, de drone opdracht geven om naar een andere kamer te vliegen of een andere persoon in het lab te bezoeken.

Vervolgens, de onderzoekers testten de dieptewaarneming en het vermijden van botsingen van hun drone door de drone drie verschillende soorten obstakels voor te stellen:een gesloten deur, een persoon, en een metalen bank. Eindelijk, ze onderzochten de snelheid waarmee hun systeem missies met succes kon voltooien door het met behulp van schriftelijke instructies naar verschillende doelkamers te sturen.

Terwijl, de drone bleek missies te voltooien met een slagingspercentage van 77,78 procent, ze ontdekten dat het verschillende beperkingen had. Bijvoorbeeld, een van de meest voorkomende oorzaken van het mislukken van een missie was dat de drone tijdens het opstijgen een beetje draaide, omdat de vier propellers op enigszins verschillende tijdstippen begonnen te werken.

"Omdat dit ons eerste prototype is, er is genoeg ruimte voor toekomstige verbetering, niet alleen op elk van de afzonderlijke componenten, maar ook op het systeem als geheel, ', aldus de onderzoekers.

Het team merkte op dat het dialoogsysteem van de drone bijzonder slecht presteerde en de instructies van een persoon in het beste geval in 57 procent van de gevallen kon begrijpen. Het belangrijkste probleem met het dialoogsysteem was dat de ASR problemen gaf om de namen van mensen te identificeren wanneer ze door gebruikers werden gesproken, waardoor het spraakherkenningsproces te vroeg wordt afgebroken.

"Bij toekomstige werkzaamheden we willen een verbeterd ARS-systeem gebruiken, schreven de onderzoekers in hun paper. "Bovendien, om een ​​grotere verscheidenheid aan natuurlijke taal mogelijk te maken zonder de omvang van de trainingsdataset te vergroten, we willen ook een multi-tasking-aanpak gebruiken. Dat betekent dat de drone-dataset naast een out-of-domain dataset wordt getraind."

In de eerste testen, de botsingsdetectiecomponent van de drone presteerde opmerkelijk goed, in de meeste gevallen effectief voorkomen van botsingen met zowel mensen als grote objecten. Echter, het bleek te worstelen met het detecteren van zeer dunne of doorschijnende meubels. Om deze beperking te overwinnen, het team is nu van plan om een ​​nauwkeuriger, real-time kaart van de omgeving, zoals momenteel, het systeem baseert zijn voorspellingen op een vooraf opgenomen 2D-kaart.

"Het verminderen van positionele fouten zou ook moeten helpen om ons totale missiesuccespercentage te verbeteren, omdat dit een van de belangrijkste oorzaken was van het mislukken van een missie tijdens onze tests, " verklaarden de onderzoekers in hun paper. "Het andere probleem dat tijdens onze tests naar voren kwam, was dat het dieptewaarnemingssysteem slecht presteerde onder zeer heldere of veranderende lichtomstandigheden. We zijn van plan om ook deze problemen in de toekomst aan te pakken."

Bovendien, in hun volgende studie, de onderzoekers willen de batterijduur en het batterijbeheer van het systeem verbeteren, zoals op dit moment, het kan slechts drie of vier missies voltooien voordat het moet worden opgeladen. Dit aantal willen ze uiteindelijk flink verhogen, terwijl ze ook nieuwe oplossingen bedenken die dit probleem kunnen helpen verminderen.

© 2019 Wetenschap X Netwerk