Роботы в лесу
Самостоятельно следовать по искусственной тропе (например, по которой обычно проходят туристы или горные велосипедисты) является сложной и в основном неразрешенной задачей для робототехники.
Решение этой проблемы важно для многих областей применения, включая картографирование дикой природы и поисково-спасательные работы; кроме того, прохождение маршрута было бы наиболее эффективным и безопасным способом передвижения наземного робота на средние и большие расстояния в лесной среде: по своей природе маршруты позволяют избегать склонов и непроходимых участков (например, из-за густой растительности или болотной местности).
Применение летучих роботов
Многие типы роботов, в том числе колесные, гусеничные и ножные транспортные средства, способны передвигаться по реальным тропам. Кроме того, была получена высотная схема на квадрокоптерах: 31 августа 2015 года.
Это исследование было поддержано Швейцарским национальным научным фондом (SNSF) через: Национальный центр компетенции в области исследований (NCCR) робототехники.
Квадрокоптер получает изображения троп от камеры, смотрящей вперед; Deep Neural Network классифицирует изображения, чтобы определить, какое действие будет удерживать робота на трассе.
Чтобы успешно следовать по лесной тропе, робот должен понимать, где она находится, а затем реагировать, чтобы оставаться на ней. В этой статье описывается машинно-обучающий подход к визуальному восприятию лесных троп и показываются предварительные результаты на автономном квадрокоптере.
В качестве входного сигнала рассматривается монокулярное изображение с камеры. Восприятие реальных маршрутов в этих условиях является чрезвычайно сложной и интересной проблемой распознавания образов, которая часто является сложной даже для людей (например, потеря маршрута - обычное явление среди путешественников). В литературе по компьютерному зрению и робототехнике основное внимание уделено восприятию дорог с твердым покрытием и восприятию дорог в лесу/пустыне. Последнее является значительно более сложной проблемой, чем первое, поскольку грунтовые дороги, как правило, гораздо менее структурированы, чем асфальтированные: их внешний вид очень изменчив, а границы зачастую нечетко определены. По сравнению с дорогами восприятие троп представляет собой еще более сложную задачу, поскольку их внешний вид может меняться очень часто, их форма и ширина не так ограничена, и они часто легко сливаются с окружающей средой (например, с травой).
Несколько предыдущих работ, посвященных восприятию маршрута, решили проблему сегментации, т.е. определили, какие области входного изображения соответствуют изображению маршрута. Для решения этой задачи необходимо четко определить, какие визуальные признаки характеризуют трассу.
Машинные методы обучения давно используются для отображения визуальных материалов для практики. Когда целью является обход препятствий, несколько работ получили хорошие результаты с помощью простых биологически мотивированных контроллеров на основе оптических характеристик потока.
Совсем недавно глубокие методы обучения были также приняты для автономной навигации робота в различных неструктурированных средах; в этих работах местность, видимая перед роботом, классифицируется по проходимости, что обеспечивает высокий уровень информации для беспрепятственного планирования пути. Ученые использовали имитацию обучения для управления квадрокоптером во избежание появления деревьев на открытом воздухе; контроллер предварительно обучен ручному управлению роботом в течение короткого времени.
Заключение
В случае лесных дорог задача визуального восприятия сложнее, так как реальные тропы имеют гораздо больше изменчивости внешнего вида. Для этого требуется более мощный классификатор, который должен обучаться с гораздо большим набором учебных данных.