پهپادی خودکار که در جستجو و نجات پس از حوادث بهینه تر از انسان عمل می کند

on .

 

 پس از خودروهای بدون راننده، اکنون نوبت پهپادهای خودکار رسیده که روز به روز اخبار بیشتری در مورد پیشرفت های آنها به گوشمان برسد. برای نمونه می توان به پهپاد های ساخته شده توسط DHL، آمازون و حتی گوگل اشاره کرد که ۲ مورد دوم در حال حاضر از آمادگی لازم برای به عهده گرفتن وظایف جدی برخوردار هستند و آغاز فعالیتشان تنها به دریافت مجوزهای مربوطه از دولت نیاز دارد.
اما با این وجود همه پهپادهای مورد بحث برای پرواز در پهنه آسمان در نظر گرفته شده اند و هرچند از قابلیت های پیشرفته برخوردار هستند، اما نمی توان از آنها توقع داشت بتوانند در محیط های بسته و پر از موانع مختلف به پرواز درآیند.
بر همین اساس، محققین مختلفی در سطح جهان تلاش می کنند راه حل هایی برای رفع این محدودیت پیدا کنند، از جمله تیم دانشگاه MIT که اخیراً به موفقیت هایی نیز در این زمینه دست یافته است. این گروه در اواخر سال گذشته میلادی از پهپادی پرده برداشتند که قادر بود با سرعت زیاد و به شکل خودکار در فضای جنگلی به پرواز در آید، آن هم بدون برخورد با درختان موجود در چنین محیطی.

اکنون اما گروه دیگری از محققین کشور سوییس پهپادی طراحی کرده اند که قادر است مسیر های پاکوب جنگلی را دنبال نماید، روشی که به اعتقاد گروه سازنده، در عملیات جستجو و نجات پس از وقوع حوادث کارایی زیادی خواهد داشت.
این گروه، یادگیری عمیق شبکه های عصبی را برای توسعه چنین پهپادی مورد استفاده قرار داده اند و اعضای آن نیز از محققین دانشگاه زوریخ، موسسه هوش مصنوعی Dalle Molle و سازمان NCCR Robotics هستند.
دستیابی به چنین هدفی از این جهت اهمیت دارد که یافتن مسیرهای جنگلی حتی برای انسان نیز چندان ساده نیست، چه رسد به اینکه بخواهید این قابلیت را برای یک پهپاد فراهم آورید.
گروه محققین برای دستیابی به الگوریتم مورد نیاز خود، ۳ دوربین GoPro را به یک کلاه کاسکت متصل کرده و مسیرهای جنگلی کوهستان آلپ در سوییس را پیموده اند. یکی از این دوربین ها به سمت جلو، دیگری به راست و آخرین دوربین نیز به سمت چپ نشانه رفته و به همین دلیل محققین پس از چند ساعت پیاده روی، بیش از ۲۰ هزار تصویر مختلف برای توسعه الگوریتم خود در اختیار داشتند.
اکنون اما الگوریتم این گروه به سطحی از پیشرفت رسیده که پهپاد توسعه یافته توسط آنها به تنها یک دوربین رنگی برای مشاهده نمای روبرو احتیاج دارد. علاوه بر این، گروه سازنده می گوید الگوریتم آنها در شناسایی مسیرهایی که پیشتر از آنها عبور کرده عملکردی بهتر از انسان نشان می دهد و در مسیرهای ناآشنا نیز دقت تشخیص آن به ۸۵ درصد می رسد، در حالی که این میزان در انسانها ۸۲ درصد است.

   

خبرنامه

جهت ارائه مطالب جدید پست الکترونیک خود را وارد نمایید .