reklama
Aktuality  |  Články  |  Recenze
Doporučení  |  Diskuze
Grafické karty a hry  |  Procesory
Storage a RAM
Monitory  |  Ostatní
Akumulátory, EV
Robotika, AI
Průzkum vesmíru
Digimanie  |  TV Freak  |  Svět mobilně

Dron s NVIDIA Jetson a Intel Realsense se naučil akrobacii, stačil jen simulátor

13.10.2020, Jan Vítek, aktualita
Dron s NVIDIA Jetson a Intel Realsense se naučil akrobacii, stačil jen simulátor
Moderní závodní drony dnes dokáží být velice agilní a jejich pilotáž není vzhledem k rychlostem a schopnosti prudce měnit směr nic jednoduchého. Co když se ale do toho pustí umělá inteligence? 
Závodním dronům dnes obecně stačí poměr tahu k hmotnosti kolem 2:1, takže pokud tým Robotics and Perception Group připravil dron s poměrem 4:1, lze jej označit za velice výkonný a potenciálně i velice náročný na pilotáž. Jedná se o čtyřrotorový dron vyvinutý na Univerzitě v Curychu ve spolupráci se Švýcarským federálním technologickým institutem v Curychu (ETH Zürich).
 
 
Jedná se o dron o hmotnosti 1,5 kg, který tak dosahuje tahu až kolem 6 kg a na palubě nese desku NVIDIA Jetson TX2 (starší ještě "předxavierovský" typ). Ta tak poskytuje potřebný hardware pro provoz AI a vedle ní dron potřebuje i vhodné smysly, a to je především dvojkamera Intel RealSense T265 s velice širokým úhlem záběru díky objektivům typu rybí oko.
 
Nový projekt je unikátní tím, jakým způsobem byla AI vytrénována. Obvykle se to zajistí pomocí simulací s následnou praxí, která ale i tak představuje četné pokusy a omyly, a to nejlépe s jištěným dronem. Robotics and Perception Group ale dokázali přejít od simulace ihned do reality, v níž byl jejich dron plně funkční. Je tak zřejmé, že simulace a vytrénování umělé inteligence v jejím prostředí muselo být mimořádně účinné. 
 
 
V dané simulaci se konkrétně využil přístup žáka a učitele v rámci prostředí simulátoru Gazebo modifikovaného speciálně pro čtyřrotorové drony. Učitel měl k dispozici veškerá a přesná data o poloze, rychlosti a celkovém stavu dronu, zatímco žák získával jen abstraktně pojatá data a s vedením svého informovaného učitele se s jejich využitím postupně naučil zvládat let a různé manévry. To tak žákovskou AI připravilo pro lety v reálném prostředí, kde také nejsou k dispozici přesná data, jaká poskytuje simulátor. 
 
 
AI se nakonec naučila tři složité manévry, a to přemet pod plynem, sudovitý výkrut a nakonec tzv. Matty Flip, což je v podstatě také přemet, jen vedený z opačného směru. Přetížení při těchto manévrech dosahovalo až 3 G a AI dokázala naučené triky libovolně řetězit v různých kombinacích. Její trénink v simulátoru navíc trval jen několik hodin, po nichž byla AI schopna manévry bezpečně provádět v reálném světě bez havárií. 
 


reklama