Το μικρότερο αυτόνομο αγωνιστικό drone στον κόσμο δημιούργησαν επιστήμονες στο TU Delft.
Καθώς οι αγώνες drones (drone racing) με ανθρώπους πιλότους εξελίσσονται σε όλο και μεγαλύτερο e-sport, το λογικό επόμενο είναι και η εμφάνιση των αγώνων αυτόνομων drones- οι οποίοι αποτελούν μεγάλη πρόκληση για την τεχνητή νοημοσύνη. Ανά το πέρασμα των χρόνων, οι ταχύτητές τους αυξάνονται, και κάποια από τα πιο γρήγορα σε πρόσφατους διαγωνισμούς έπιαναν τα δύο μέτρα ανά δευτερόλεπτο. Τα περισσότερα από τα αυτόνομα αγωνιστικά drones είναι εξοπλισμένα με επεξεργαστές υψηλών επιδόσεων, με πολλαπλές high quality κάμερες και κάποιες φορές ακόμα και με laser scanners. Αυτό τους επιτρέπει να χρηισμοποιούν εξελιγμένες λύσεις σε θέματα οπτικής αντίληψης, όπως η δημιουργία χαρτών του περιβάλλοντος, ή η ακριβής παρακολούθηση του τρόπου με τον οποίο ένα drone κινείται με το πέρασμα του χρόνου. Ωστόσο, τα κάνει επίσης ακριβά και βαριά.
Στο Micro Air Vehicle Laboratory (MAVLab) του TU Delft στην Ολλανδία, ο στόχος είναι η δημιουργία ελαφρών και φθηνών αυτόνομων αγωνιστικών drones: Τέτοιου είδους drones θα μπορούσαν να χρησιμοποιούνται από τους φαν των αγώνων για εξάσκηση/ εκπαίδευση, ή ακόμα και για αγώνες σε σπίτια. Σε αυτό το πλαίσιο, οι ερευνητές του MAVLab παρουσίασαν αυτό που χαρακτηρίζουν το μικρότερο αυτόνομο αγωνιστικό drone στον κόσμο, με διάμετρο 10 μέτρων και βάρος 72 γραμμαρίων. Διαθέτει μόνο μια κάμερα και πολύ περιορισμένη υπολογιστική ισχύ για να πετά αυτόνομα σε μια πίστα αγώνων με ταχύτητα που είναι ανταγωνιστική σε αυτές που πιάνουν τα πιο γρήγορα αγωνιστικά drones που υπάρχουν (τα οποία είναι μεγαλύτερα).
Η βασική καινοτομία πίσω από αυτό είναι η δημιουργία εξαιρετικά αποδοτικών και αξιόπιστων αλγορίθμων. «Οι εικόνες που μεταδίδονται ασύρματα στους αγώνες drones με ανθρώπους χειριστές μπορούν να έχουν πολύ “θόρυβο” και κάποιες φορές να μην καταφθάνουν καν» λέει ο Κριστόφ ντε Βάγκτερ, ιδρυτής της MAVLab. «Οπότε οι πιλότοι βασίζονται πολύ στις προβλέψεις τους ως προς το πώς το drone θα κινηθεί όταν δίνουν τις εντολές τους στο χειριστήριο».
Αν και οι εικόνες ενός αυτόνομου drone δεν χρειάζεται να μεταδίδονται ασύρματα, η ερμηνεία τους από τα ίδια τα drones (και ειδικά τα μικρότερα) κάποιες φορές μπορεί να είναι εντελώς λάθος: Το drone μπορεί να χάσει μια πύλη ή να αξιολογήσει τη θέση του σε σχέση με την πύλη εντελώς λανθασμένα. Για αυτόν τον λόγο, βασικής σημασίας είναι το μοντέλο πρόβλεψης: Από τη στιγμή που το drone έχει πολύ περιορισμένη επεξεργαστική ισχύ, το μοντέλο «πιάνει» μόνο τα απαραίτητα, όπως η ώθηση και οι δυνάμεις που ασκούνται πάνω του.
«Μειώνοντας το μέγεθος του drone και των αισθητήρων, η ποιότητα των μετρήσεων των αισθητήρων επιδεινώνεται σε ποιότητα, από την κάμερα στα επιταχυνσιόμετρα» λέει ο Σούο Λι, διδακτορικός στο MAVLab. «Χρησιμοποιήσαμε μόνο το εκτιμώμενο υψόμετρο του drone στο προγνωστικό μας μοντέλο» προσθέτει.
Το drone χρησιμοποιεί τους νέους αλγορίθμους για να πραγματοποιήσει μια διαδρομή με τέσσερις πύλες στο Cyberzoo του TU Delft. Μπορεί να κάνει σειρά από γύρους με μέση ταχύτητα δύο μέτρων ανά δευτερόλεπτο, επιδόσεις που είναι ανταγωνιστικές απέναντι σε μεγαλύτερα, εξελιγμένα αυτόνομα αγωνιστικά drones. Επίσης, λόγω της σημασίας που δίνουν οι αλγόριθμοι στον εντοπισμό των πυλών, το drone μπορεί να διαχειριστεί τις αλλαγές θέσης τους.
«Είμαστε ακόμα μακριά από τις ταχύτητες που επιτυγχάνονται από εξειδικευμένους ανθρώπους drone racers. Το επόμενο βήμα θα απαιτεί ακόμα καλύτερο προγνωστικό έλεγχο, εκτίμηση κατάστασης και computer vision» λέει ο Κριστόφ ντε Βάγκτερ. «Αποτελεσματικοί αλγόριθμοι για την επίτευξη αυτών των δυνατοτήτων θα είναι απαραίτητοι, καθώς θα επιτρέπουν στο drone να αντιλαμβάνεται και να αντιδρά γρήγορα».
Πέρα από τους αγώνες drones, οι ερευνητές τονίζουν πως η επίτευξη τέτοιων ταχυτήτων σημαίνει επίσης πως τα μικρά τετρακινητήρια drones θα μπορούν να καλύπτουν μεγαλύτερες αποστάσεις- και αυτό συνεπάγεται μεγάλα οφέλη για αποστολές παράδοσης δεμάτων, έρευνας και διάσωσης κ.α.
