Ученые создали новую модель управления дронами

Источник фото: pixabay.com

Новый подход требует более короткого промежутка времени для обучения, чем аналогичные подходы с подкреплением, и потенциально может преодолеть ограничения ручного сбора данных, с которыми сталкиваются сопоставимые подходы к обучению.

Ограниченная мощность вычислительных ресурсов, отсутствие высококлассного сенсорного оборудования и среда, в которой запрещен прием GPS, - это проблемы, с которыми сталкиваются многие автономные микро воздушные транспортные средства(MAV).

Ученые решили эти проблемы в контексте автономной навигации и посадки MAV в помещениях и предложили новый подход к управлению дронами на основе сенсорного зрения с использованием контролируемого обучения.

Для этого они собрали образцы данных в среде моделирования, которые были помечены в соответствии с оптимальной командой управления, определенной алгоритмом планирования пути.

На основе этих выборок данных была обучена сверточную нейронная сеть (CNN), которая сопоставляет изображение с низким разрешением и входной сигнал датчика с командами управления высокого уровня.

Наблюдения показали многообещающие результаты как в условиях моделирования с препятствиями, так и без препятствий, показывая, что модель способна успешно направлять MAV к посадочной платформе.