Революция ИИ-дронов на подходе

Image for post
Image for post
Источник: http://rpg.ifi.uzh.ch/docs/ICRA19_Delmerico.pdf

Современный военный дрон — это вовсе не банальный маленький беспилотный самолетик, способный переносить груз размером с пицу.

Одиночные дроны стали идеальными роботами-убийцами, оставив без работы большинство ниндзя. Идеально скрывающиеся роботы-убийцы широко используются, например, на Ближнем Востоке, чтобы людям-операторам быстро, эффективно и абсолютно безнаказанно уничтожать других людей на значительном расстоянии.

И это далеко не все. Сегодня рой дронов уже может запросто устранить целый авианосец.

Причем обе вышеописанные функции даже не требуют автономии.

А можете себе представить возможности автономных одиночный и роевых ИИ-дронов в руках военных и террористов?

Что же не хватает современным операторским дронам на пути к полуавтономным ИИ-дронам завтрашнего дня?

Ответ — не хватает всего лишь данных для обучения.

Нужны большие, разнообразные, сложные тесты, чтобы продвинуть прогресс в этой области, подобно тому, как ImageNet побудила исследователей применять методы глубокого обучения для решения того, что в то время казалось очень сложной задачей распознавания образов.

Новый серьезный шаг в этом направлении сделан. Исследователи Университета Цюриха и ETH Zurich разработали набор данных UZH-FPV Drone Racing Dataset, который является самым крутым набором данных визуально-инерциальной одометрии на сегодняшний день.

Большие ускорения и сложные траектории крайне затрудняют обучение сложным полетам. Нужно научить ИИ-дроны высокоскоростной оценке состояния и мгновенному принятию верных решений. Однако, существующие наборы данных не решают эту проблему. Это и побудило исследователей записывать видео с места пилота гоночного квадрокоптера, оснащенного датчиками и пилотируемого профессиональным пилотом. Траектории включают быстрые круги вокруг полигона с гоночными воротами, а также траектории свободной формы вокруг препятствий, как внутри, так и снаружи (например, слалом между деревьями).

Исследователи записали 27 последовательностей полета по двум типам ландшафтов, и эти траектории являются по существу мультимодальными, включая измерения датчиков, записанных на двух разных бортовых компьютерах, а также внешние измерения с внешнего трекера.

Камеры событий представляют собой новые биодатчики, которые измеряют изменения яркости асинхронно в форме потока событий (см. вчерашний пост), кодирующих знак и местоположение изменения яркости на плоскости изображения.

Итак, гожий набор данных есть.

Осталось научить дронов гонкам. И тогда из крадущихся они превратятся в настоящих терминаторов.

Подробнее:

- Готовы ли мы к автономной гонке дронов? UZH-FPV Drone Racing Dataset (PDF)

- UZH-FPV Drone Racing Dataset (веб-сайт ETHZurich)

См. также «Страшная штука — беспилотные летающие убийцы»

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на
обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное».
Подпишитесь

Written by

Малоизвестное интересное на стыке науки, технологий, бизнеса и общества - содержательные рассказы, анализ и аннотации

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store