研究人员使用交叉模态模拟数据训练无人机
为了自主飞行,无人机需要了解它们在环境中的感知并根据该信息做出决策。卡内基梅隆大学研究人员开发的一种新颖方法使无人机可以分别学习知觉和动作。两阶段方法克服了“模拟与现实之间的差距”,并创建了一种将完全在模拟数据上训练的无人机安全地部署到实际课程导航中的方法。
计算机科学学院机器人学院的博士生罗杰里奥·博纳蒂(Rogerio Bonatti)说:“通常,即使是在最好的逼真模拟数据上训练的无人机,在现实世界中也会失败,因为光线,颜色和纹理仍然太不同而无法转换。” “我们的感知模块通过两种方式进行训练,以提高其对环境变化的抵抗力。”
第一种方式,可以帮助训练无人机的看法是形象。研究人员使用照片般逼真的模拟器创建了一个环境,其中包括无人机,足球场和从地面举起并随机放置以创建轨道的红色正方形门。然后,他们从成千上万个随机生成的无人机和登机口构造中建立了一个庞大的模拟图像数据集。
感知所需的第二种方式是知道门在空间中的位置和方向,研究人员使用模拟图像数据集完成了这些操作。
使用多种模式教授模型可以强化对无人机体验的可靠表述,这意味着它可以通过从模拟到现实的转换方式来理解领域和大门的本质。将图像压缩为较少的像素有助于此过程。从低维表示中学习可以使模型查看现实世界中的视觉噪声并识别门。
了解到感知后,研究人员可以在模拟中部署无人机,以便它可以了解其控制策略或如何进行物理移动。在这种情况下,它将学习在导航路线并遇到每个闸门时要应用的速度。因为它是一个模拟环境,所以程序可以在部署之前计算出无人机的最佳轨迹。与实际使用专家操作进行监督学习相比,此方法具有优势,因为现实世界中的学习可能很危险,耗时且昂贵。
无人机通过研究人员指示的培训步骤来学习导航课程。博纳蒂说,他挑战无人机在现实世界中所需的具体敏捷性和方向。“我使无人机以不同的轨迹形状向左和向右旋转,这会随着我增加更多的噪音而变得越来越困难。机器人并没有学会通过任何特定的轨迹来重新创建。相反,通过策略性地指导模拟无人机,学习自主运动的所有元素和类型,”博纳蒂说。
稿源:TechTMT.Com 图片来源:卡内基梅隆大学
相关文章:
- 无人机植保、多光谱成像、区块链技术,农民伯伯的种田“黑科技”
- 研究称无人机快递交付较货车多耗10倍能源 但仍具有一定的环保和成本优势
- 混合多旋翼无人机系统中集成SAR成像系统
- uAvionix推出新的专业UAS检测和规避解决方案
- PrecisionHawk获得两项无人机系统交通管理技术专利
- VTOL Multirotor Mini-UAS完成环境鉴定测试
- Scentroid发布了基于无人机的空气质量分析仪DR2000
- 研究人员使用交叉模态模拟数据训练无人机
- 无人机是什么?
- 人工影响天气无人机“甘霖-I”首飞成功
- 采用独特菱形机翼设计 FLY-R展示多款全新无人机原型
- 我国高空高速长航时察打一体无人机首飞成功
- 美FAA推出新规则 有助于将无人机纳入国家空域系统
- 加州一男子因操控无人机撞击警察直升机而面临牢狱之灾
- 无人机做光学中继 我国量子组网研究取得新突破
- 研究发现蜻蜓会用后空翻来纠正自己失去平衡的状态
- Firefly无人机拥有近2小时的续航时间并可运载45公斤的物品
- 新型迷你扑翼无人机仅蜻蜓大小 比昆虫更有效地拍打翅膀
- Dronehub开发HUUVER原型:将无人机与无人车地面相结合
- CHC Navigation 提供完整的无人机和移动地图解决方案