Обход препядствий с помощью дрона MIT

Моделирование неопределенности помогает Дрону MIT одходить препятствия

Это не слишком трудно сделать беспилотник, который может летать очень быстро, и это не слишком трудно сделать беспилотник, который может избежать препятствий. Сделать беспилотник, который может делать оба сразу, гораздо сложнее, но это необходимо для того, чтобы они были полезными в реальном мире. В MIT CSAIL Пит Флоренс (в лаборатории Расса Тедрака) разработал новую структуру планирования движения под названием NanoMap, которая использует последовательность 3D-снимков, чтобы позволить быстро движущимся (10 м/с) дронам безопасно перемещаться по препятствиям, даже если они не совсем уверены, где они находятся.

Вот видео беспилотника MIT в действии. Не волнуйтесь, если Вы не поймаете все детали, так как мы попробуем объяснить, что происходит после этого:

Cartographer 2D SLAM Loop Closure Demo

Если это не совсем понятно, я прямо здесь с вами, но эта цифра должна немного помочь основной идее:

Моделирование неопределенности помогает Дрону MIT одходить препятствия

На этом рисунке показано, как NanoMap оценивает планы движения (синяя линия), учитывая серию измерений датчиков глубины с течением времени (серые треугольники). Для каждой точки выборки (красная точка) поиск результатов поиска выполняется до тех пор, пока не будет найден вид (оранжевый треугольник), содержащий точку выборки.

По мере продвижения дрона требуется непрерывная последовательность снимков датчика глубины (примерно на 30 Гц, в зависимости от датчика), представленных серыми треугольниками * выше. Видишь эту маленькую пышную синюю линию? Скажем, это траектория, что вы хотите, чтобы дроун пролетел дальше. Чтобы добраться до первой точки в этой траектории (красная точка на второй диаграмме слева), у дрона есть достаточно хорошее представление о том, что происходит с того места, где оно находится. Но, чтобы планировать дальше, беспилотник нуждается в информации о областях за пределами текущего поля зрения своего датчика глубины. Затем NanoMap начинает смотреть назад через свою коллекцию снимков, пока не найдет тот, который показывает область, в которой он должен планироваться. Если он не может найти хороший снимок, тогда ему придется замедлиться и немного оглядеться, но если он найдет его, он получит информацию, необходимую ему для перемещения гораздо более агрессивно, поскольку он уже знает, где могут быть препятствия быть.

Проблема с этой техникой заключается в том, что чем дальше назад дроун должен искать правильный снимок, тем меньше вероятность, что он будет примерно там, где он был (по сравнению с тем, где он сейчас), когда был сделан снимок, и, следовательно, где он должен двигаться, чтобы избежать каких-либо препятствий, которые содержит моментальный снимок. Это связано с тем, что автономные роботы, как правило, отвратительны при самостоятельном отслеживании своего положения. Поскольку ИДУ не идеальны, а камеры и лидар не идеальны, робот, который оценивает, где он относительно того, где он был, будет становиться все менее и менее точным.

С дронами большая часть неопределенности исходит из точности измерения ускорения с помощью IMU. Не совсем правильное измерение ускорения (что вы никогда не делаете) приводит к неточностям в оценках скорости и положения, которые ухудшаются с течением времени. Это называется дрейф, и более экстремальные маневры, что ваш Дрон пытается, тем сильнее дрейф, это означает, что беспилотники, которые движутся быстрее и более динамично, гораздо более сложным, чтобы точно оценить, где они находятся, не удивительно.


Похожие материалы:

Комментарии (0)



Добавить новый комментарий: