Ai laisse voler les drones sans cartes ni capteurs
Les drones peuvent-ils voler seuls sans cartes ni pièces supplémentaires?Un nouveau système montre comment la physique de base et les petits réseaux peuvent le rendre possible.
Des chercheurs de l'Université de Shanghai Jiao Tong ont développé une nouvelle façon d'aider les drones à naviguer par eux-mêmes, sans compter sur des composants grands ou coûteux.Cette approche s'appuie sur le mouvement des insectes et combine l'apprentissage en profondeur avec les principes de la physique de base, permettant aux drones se déplacer dans les espaces sans cartographie ni contrôle externe.
Le système proposé utilise plutôt un réseau neuronal de bout en bout qui prend des données de capteur brutes et donne directement des signaux de contrôle.Cette conception imite la façon dont les insectes se déplacent en utilisant quelques ressources neuronales, sans cartographie ni planification.
Le système fonctionne sur une carte de profondeur 12 × 16 et gère toujours la navigation.Bien que la résolution soit faible, les données donnent suffisamment d'indices pour que l'ANN guide le mouvement d'un drone et évite les obstacles.La formation a été effectuée dans un simulateur en utilisant des formes simples pour créer différents environnements.Un moteur de physique faisait partie de la boucle d'entraînement, ce qui permet d'apprendre dans des paramètres à un seul et multi-drone.D'autres drones ont été traités comme des obstacles émouvants.
Une force du système est sa structure.Il utilise trois couches convolutionnelles et fonctionne sur une carte informatique de 21 $.La formation prend deux heures sur un GPU.Le modèle prend en charge la navigation Swarm sans planification ni communication entre les drones, ce qui facilite l'échelle.
Des modèles de profondeur antérieurs ont besoin de données étiquetées et ont souvent échoué en dehors des paramètres de laboratoire.Cette approche comprend le modèle de physique du drone dans la formation, qui améliore la vitesse de formation et la généralisation à d'autres contextes, en particulier pour le mouvement et la stabilité.
Les chercheurs ont montré que les petits modèles peuvent égaler ou battre de grands modèles formés sur de grands ensembles de données.Cela remet en question l'idée que plus de données sont toujours meilleures.Au lieu de cela, l'utilisation de connaissances physiques et de conditions d'entraînement bien assorties peut fonctionner mieux.
Le réseau neuronal artificiel (ANN), avec moins de 2 Mo de paramètres, permet aux drones de voler à 20 m / s en utilisant uniquement l'entrée de profondeur.Cela montre que de solides modèles internes de physique peuvent être plus utiles que les capteurs à haut niveau.
Bien que formé à la simulation, le système a montré une large généralisation.Il pourrait soutenir des tâches telles que les courses de drones, le tournage, l'inspection d'entrepôt et la recherche et le sauvetage dans les zones limitées par GPS.L'étude montre à quel point les réseaux de neurones simples formés avec la physique peuvent soutenir l'autonomie des drones à grande échelle.
