Forskare vid ETH Zürich och universitetet i Bologna har nyligen skapat PULP Dronet, ett 27-grams obemannat flygfarkost i nanostorlek (UAV) med en djupinlärningsbaserad visuell navigeringsmotor. Deras mini-drönare, presenteras i en tidning förpublicerad på arXiv, kan springa ombord på en ände till ände, visuell pipeline med sluten slinga för autonom navigering som drivs av en toppmodern algoritm för djupinlärning.

"Det är nu sex år som ETH Zürich och universitetet i Bologna är helt engagerade i ett gemensamt ansträngningsprojekt:den parallella plattformen för ultralåg effekt (PULP), " Daniele Palossi, Francesco Conti och prof. Luca Benini, de tre forskarna som genomförde studien, som arbetar på ett labb som leds av prof. Benini, berättade för TechXplore via e-post. "Vårt uppdrag är att utveckla en öppen källkod, mycket skalbar hård- och mjukvaruplattform för att möjliggöra energieffektiva beräkningar där effektenveloppen bara är på några få milliwatt, som sensornoder för Internet of Things och miniatyrrobotar som nano-drönare som väger några tiotals gram."

I stora och medelstora drönare, den tillgängliga energibudgeten och nyttolasten möjliggör exploatering av avancerade kraftfulla beräkningsenheter, som de som utvecklats av Intel, Nvidia, Qualcomm, etc. Dessa enheter är inte ett genomförbart alternativ för miniatyrrobotar, som begränsas av sin storlek och därav följande effektbegränsningar. För att övervinna dessa begränsningar, teamet bestämde sig för att hämta inspiration från naturen, speciellt från insekter.

"I naturen, små flygande djur som insekter kan utföra mycket komplexa uppgifter samtidigt som de förbrukar endast en liten mängd energi för att känna av miljön och tänka, "Palossi, Conti och Benini förklarade. "Vi ville utnyttja vår energieffektiva datorteknik för att i huvudsak replikera denna funktion."

För att replikera de energibesparande mekanismerna som observerats hos insekter, forskarna arbetade inledningsvis med att integrera artificiell intelligens på hög nivå i det ytterst lilla krafthöljet hos en nano-drönare. Detta visade sig vara ganska utmanande, eftersom de var tvungna att uppfylla dess energibegränsningar och stränga beräkningskrav i realtid. Det viktigaste målet för forskarna var att uppnå mycket hög prestanda med mycket lite kraft.

"Vår visuella navigeringsmotor består av en hårdvara och en mjukvarusjäl, "Palossi, sa Conti och Benini. "Den förra förkroppsligas av parallellen, paradigm för ultralåg effekt, och den förra av ett DroNet Convolutional Neural Network (CNN), tidigare utvecklad av Robotics and Perception Group från University of Zürich för "resursfria" stora drönare, som vi anpassade för att möta energi- och prestandakrav."

Navigationssystemet tar en kameraram och bearbetar den med ett toppmodernt CNN. Senare, den bestämmer hur drönarens attityd ska korrigeras så att den placeras i mitten av den aktuella scenen. Samma CNN identifierar också hinder, stoppa drönaren om den känner av ett överhängande hot.

"I grund och botten, vår PULP Dronet kan följa ett körfält (eller något som liknar det, t.ex. en korridor), undvika kollisioner och inbromsning vid oväntade hinder, " sa forskarna. "Det verkliga språnget som vårt system ger jämfört med tidigare flygande robotar i fickstorlek är att alla operationer som krävs för att uppnå autonom navigering utförs direkt ombord, utan behov av en mänsklig operatör, inte heller ad hoc-infrastruktur (t.ex. externa kameror eller signaler) och i synnerhet, utan någon fjärrbasstation som används för beräkningen (t.ex. fjärrdator)."

I en serie fältexperiment, forskarna visade att deras system är mycket känsligt och kan förhindra kollisioner med oväntade dynamiska hinder upp till en flyghastighet på 1,5 m/s. De fann också att deras visuella navigeringsmotor är kapabel till helt autonom inomhusnavigering på en 113m tidigare osynlig väg.

Studien utförd av Palossi och hans kollegor introducerar en effektiv metod som integrerar en oöverträffad nivå av intelligens i enheter med mycket strikta strömbegränsningar. Detta är i sig ganska imponerande, eftersom att möjliggöra autonom navigering i en drönare i fickstorlek är extremt utmanande och sällan har uppnåtts tidigare.

"I motsats till en traditionell inbäddad kantnod, här, vi är inte bara begränsade av den tillgängliga energi- och effektbudgeten för att utföra beräkningen, men vi är också föremål för en prestationsbegränsning, " förklarade forskarna. "Med andra ord, om CNN körde för långsamt, drönaren skulle inte kunna reagera i tid, förhindrar en kollision eller svänger i rätt ögonblick."

Den lilla drönaren utvecklad av Palossi och hans kollegor kan ha många omedelbara tillämpningar. Till exempel, en svärm av PULP-droner kan hjälpa till att inspektera kollapsade byggnader efter en jordbävning, att nå platser som är otillgängliga för människoräddare under kortare perioder, alltså utan att äventyra operatörernas liv.

"Varje scenario där människor skulle dra nytta av en liten, vig, och intelligent beräkningsnod är nu närmare, allt från djurskydd till äldre/barnhjälp, inspektion av grödor och vingårdar, utforskning av farliga områden, räddningsuppdrag och många fler, " sa forskarna. "Vi hoppas att vår forskning kommer att förbättra livskvaliteten för alla."

Enligt Palossi och hans kollegor, deras nyligen genomförda studie är bara ett första steg mot att möjliggöra verklig "biologisk nivå" ombord intelligens och det finns fortfarande flera utmaningar att övervinna. I deras framtida arbete, de planerar att ta itu med några av dessa utmaningar genom att förbättra tillförlitligheten och intelligensen hos navigeringsmotorn ombord; inriktning på nya sensorer, mer sofistikerade funktioner och bättre prestanda per watt. Forskarna släppte offentligt all sin kod, datauppsättningar och utbildningsnätverk, vilket också skulle kunna inspirera andra forskarlag att utveckla liknande system baserat på sin teknologi.

"I det långa loppet, vårt mål är att uppnå resultat liknande det vi presenterade här på en flygande robot i picostorlek (några gram i vikt, med dimensionen av en trollslända), ", tillade forskarna. "Vi tror att skapa en stark och solid gemenskap av forskare och entusiaster som bygger på vår vision kommer att vara grundläggande för att nå detta slutmål. Av denna anledning, vi gjorde all vår kod- och hårdvarudesign tillgänglig som öppen källkod för alla."

© 2019 Science X Network