Приeмники систeмы GPS и другиx систeм спутникoвoй нaвигaции являются сeйчaс прaктичeски oбязaтeльным aтрибутoм на рoбoтoв, прeднaзнaчeнным для дeйствий нa oткрытoй мeстнoсти. Но известно, что всегда существуют области пространства, идеже спутниковые навигационные системы не работают, это лес, городская среда с плотной застройкой, туннели и многие иные места. Поэтому исследователи из известной компании Nvidia разработали свой вариант навигационной системы, которая приличествует на камеры и компьютер с системой искусственного интеллекта, на базе которой реализована роль распознавания и восприятия визуальной информации.

В качестве беспилотника специалисты Nvidia использовали Вотан из серийно выпускаемых аппаратов профессионального класса. На этот беспилотник был установлены двум дополнительные камеры и модуль Jetson TX1, в котором на аппаратно-программном уровне реализованы функции технологий глубинного машинного изучения. Вполне вне всякого сомнения, что потоки данных с обеих камер являются потоками входных данных во (избежание системы искусственного интеллекта.

Данная система разрабатывалась изначально для того, воеже беспилотные летательные аппараты имели возможность самостоятельно ориентироваться, прокладывать маршрут и двигаться в условиях густого леса во время выполнения спасательных операций или при оценке ущерба, нанесенного лесным насаждениям во время стихийных бедствий. А разработанные для этого принципы управления работают так же хорошо и в других условиях, немного спустя, где нельзя рассчитывать на нормальную работу системы GPS, включая каньоны, городскую среду или внутри помещений. С небольшими изменениями данная учение также может быть использована и для ориентации под водой.

«Визуальная компания будет работать там, где не работает ни GPS, ни другие навигационные системы» — рассказывает Коляша Смолянский, руководитель группы разработчиков, — «Все, в чем нуждается эта конструкция — в визуально распознаваемых ориентирах».

В состав навигационной системы беспилотника включены функции предотвращения столкновений с препятствиями. Не считая этого, она прошла обучение передвижению аппарата над железнодорожными путями и по-над автомобильными дорогами. Помимо беспилотного летательного аппарата, такая же точно прием может быть установлена на колесном или гусеничном роботе, который сможет после сего самостоятельно передвигаться даже по самой сложной местности.

Лес в качестве испытательного полигона был выбран отнюдь не случайно. Лесная окружающая среда является одной из самых трудных в целях систем автоматического управления и ориентирования. Деревья в лесу бывают совершенно различных типов и размеров, небо и земля участки леса имеют кардинально противоположные условия освещения, в лесу обычно жуть мало надежных ориентиров, при помощи которых можно осуществить привязку к местности. И даже если автоматическая система научится ориентироваться в лесу, то ориентирование в любом другом виде окружающей среды станет для того нее «детской задачей».

Обучение нейронной сети TrailNet, расположенной внутри модуля Jetson TX1, производилось держи потоках видео-данных, снятых при помощи камер GoPro в лесной среде различного вроде, начиная от лесов американского Северо-Запада и заканчивая лесами на склонах швейцарских Альп. Общая расстояние. Ant. близость пути, заснятого на камеру, составила около 13 километров. И после такого «курса» обучения компания сумела провести беспилотник по лесу, преодолев расстояние в 1 километра, ни разу маловыгодный сбившись с пути и не столкнувшись с препятствием.

Конечной целью данных исследований является создание законченной системы визуального управления роботом или летательным аппаратом, которой нельзя не ввести только координаты конечной точки, а все остальное должна сделать системка самостоятельно в автоматическом режиме. Но и у промежуточных вариантов, которые будут разработаны во время успехи конечной цели, уже имеются области практического применения.