AI դրոնային գործակալները ինքնավար նավիգացիայի համար. ինչն է աշխատում այսօր, ինչը՝ դեռ հետազոտություն

Ինքնավար տեխնոլոգիան վերջին հինգ տարում մեծ առաջընթաց է գրանցել. Tesla-ն, BYD-ն և Waymo-ն միլիարդներ են ներդրել ինքնակառավարվող մեքենաների մեջ, սակայն տեղակայումների մեծ մասը դեռ սահմանափակված է գեոգոտիներով։ Ընկալման և կառավարման այդ շերտի զգալի մասը տեղափոխվում է նաև դրոնների վրա, գրում է Falcon Eye AI-ի հիմնադիր Vishwa Vimukthi Gammuduwaththage-ը HackerNoon-ի վերլուծության մեջ։

Դրոնների նավիգացիայի չորս դարաշրջանները

Նավիգացիան անցել է չորս փուլ՝ ձեռքով կառավարում տեսադաշտում, GPS-ի վրա հիմնված երթուղային կետերով թռիչք, սենսորների միաձուլում իրավիճակի ամբողջական ընկալման համար, և AI-ի վրա հիմնված ինքնավարություն։ Որոշիչ թռիչքը վերջին փուլն է. GPS-ը դրոնները դարձրեց ծրագրավորելի, AI-ը՝ հարմարվող։ Ամենաարժեքավոր առաքելությունները՝ շենքերի ներսում, կամուրջների տակ կամ ազդանշանի ճնշման պայմաններում, ընթանում են առանց GPS-ի, և հենց այնտեղ է արդարացնում իրեն տեսողության ու AI-ի շերտը։

Դասական արխիտեկտուրան, որն իրականում թռչում է

Գործնական համակարգը բաժանվում է չորս շերտի՝ ընկալում, սարքի վրա մշակում, թռիչքի կառավարում և կապ։ Ստերեո տեսախցիկները տալիս են խորություն, IMU-ները՝ կայունացման տվյալներ, իսկ RTK ուղղումներով GPS-ը՝ սանտիմետրային ճշգրտություն։ SLAM-ը իրական ժամանակում կառուցում է քարտեզը և հետևում դրոնի դիրքին. տեսա-իներցիալ օդոմետրիան (VIO) միավորում է տեսախցիկի և IMU-ի տվյալները, երբ GPS-ը կորչում է։ Ընկալումը սպասարկում է խորը ուսուցումը, նավիգացիոն քաղաքականությունը լավարկում է ամրապնդող ուսուցումը. երթուղու պլանավորումը հենվում է A*, RRT և PRM ալգորիթմների վրա։ Թռիչքի կառավարումը հենվում է PX4-ի և ArduPilot-ի վրա, իսկ հրամաններն ու հեռաչափությունը փոխանցում է MAVLink-ը։

Ինչ է նշանակում «AI գործակալ» այսօր

Վերոնշյալ ամեն ինչ դասական ինքնավարություն է, և առևտրային առաքելությունների մեծ մասի համար դա դեռ ճիշտ պատասխանն է։ Սակայն առաջավոր գիծը տեղափոխվել է հիմնամոդելների վրա հիմնված համակարգեր։ Տեսա-լեզվական նավիգացիան (VLN) թույլ է տալիս դրոնին կատարել բնական լեզվով հրահանգ՝ «թռի՛ր կարմիր շենքի վրայով, ապա խաչմերուկում թեքի՛ր ձախ», միայն տեսողական դիտարկումներով։ AerialVLN չափանիշը ցույց տվեց, որ ներքին տարածքի VLN մեթոդները վատ են փոխանցվում օդային տեսարաններին։ OpenVLA-ի և π0-ի նման VLA մոդելները ցածր մակարդակի կառավարումը ստեղծում են ծայրից ծայր, իսկ դրոնների համար նախատեսված AutoFly և GRaD-Nav++ բարձր մակարդակի հրամանները վերածում են սարքի վրա կառավարման։

Որտեղ այն դեռ կանգ է առնում

Հեղինակը զսպում է սպասումները։ 2 Hz-ով դատող մոդելը չի կարող փոխարինել 50 Hz-ով աշխատող բախումներից խուսափմանը, ուստի մոտակա իրողությունը հիբրիդն է՝ հիմնամոդել դատողության համար՝ արագ դասական կարգավորիչի վրա։ Սարքի վրա հաշվողականությունը կոշտ առաստաղ է. GPU-ի ամեն գրամն ու վատտը չօգտագործված թռիչքի ժամանակ է։ Անվտանգության երաշխավորման համար հիմնամոդելների պատմություն չկա. դետերմինիստական կարգավորիչը կարելի է սերտիֆիկացնել, իսկ մեծ նեյրոցանցային քաղաքականության խափանման ռեժիմների թվարկումը բաց կարգավորող խնդիր է մնում։ Սիմուլյացիան (Gazebo, AirSim) և փուլային փորձարկումը վստահության հիմնական ուղին են մնում։ Հեղինակի կարծիքով՝ ազնիվ դիրքորոշումը շերտավոր է՝ դասական արխիտեկտուրա ռեֆլեքսների և անվտանգության համար, հիմնամոդելներ՝ դատողության։