Sir Airffic Goبیشتر این‌ها از مقاله‌های پژوهشی آمده، اما کلمات را ساده نگه داشته‌ام. با من بمان.
چهار مرحله فهمیدن
- تشخیص: پیدا کردن آدمها، خودروها و خطوط برق در تصویر و کشیدن کادر دور آن‌ها.
- ردیابی: دنبال کردن اینکه چیزی که پیدا شده بعد به کجا می‌رود.
- مکان‌یابی خود: فهمیدن اینکه چقدر و به کجا حرکت کرده‌ای، از روی حرکت تصویر به‌علاوه IMU (VIO: ادومتری بصریاینرسی).
- فهمیدن و دستور گرفتن: فهمیدن جمله‌ای مثل «پشت خانه‌ای را که سقف قرمز دارد بررسی کن» و وصل کردن کلمات به چیزی که می‌بینی (VLM: هوش مصنوعی‌ای که تصویر و زبان را با هم پردازش میکند).
پرواز همراه با نقشه‌کشی: SLAM و VIO
در اواخر دهه 2000، آزمایشگاه‌های دانشگاهی شروع کردند مکان یک پهپاد کوچک را با یک دوربین و یک IMU تخمین بزنند. همه‌چیز از آنجا شروع شد.
روش‌هایی مثل SVO، VINS-Mono و ORB-SLAM منتشر شدند و به پایه‌هایی مشترک تبدیل شدند. پژوهش باز به قطعات محصولات تبدیل شد.
پهپادهای تجاری امروز به لطف همین کارهای انباشته‌شده می‌توانند زیر پلها و داخل ساختمان پرواز کنند.
از بالا، چیزها کوچک و کج دیده می‌شوند
هوش مصنوعی‌ای که با عکس‌های گرفته‌شده از روی زمین آموزش دیده، در دیدن از بالا مشکل دارد: آدمها نقطه می‌شوند و شکل خودروها عوض میشود.
مجموعه‌داده‌های هوایی مثل VisDrone و DOTA ساخته شدند تا بشود هوش مصنوعی مخصوص آسمان را آموزش داد.
هر کس داده را در اختیار داشته باشد، تعیین میکند هوش مصنوعی چقدر باهوش شود. این در دوران مدل‌های پایه هم تغییر نکرده است.
Sir Airffic Goفاصله بین هوش مصنوعی‌ها اغلب بیشتر به این برمی‌گردد که چقدر داده هوایی داری، تا به الگوریتم‌ها. این را برای فصل استراتژی به خاطر بسپار.
روزی که هوش مصنوعی قهرمانان انسانی را شکست داد
در 2023 یک پهپاد هوش مصنوعی به نام Swift که در دانشگاه زوریخ ساخته شده بود، قهرمانان جهانی انسانی مسابقه پهپاد را شکست داد. این پژوهش در مجله Nature منتشر شد.
Swift مکان خود را فقط با یک دوربین و یک IMU تخمین می‌زد و پرواز را با یادگیری تقویتی یاد گرفت؛ یعنی با تمرین بارها و بارها در شبیه‌ساز.
این روی یک مسیر ثابت بود. رسیدن به همین مهارت در آسمان واقعی، با هوای متغیر و موانع، هنوز چالشی حل‌نشده است.
مسابقه پهپاد در سطح قهرمانی با یادگیری تقویتی عمیق (UZH)
شواهد: [N124]
موج بعدی: دیدن، استدلال و عمل بر اساس کلمات
از حدود 2023، مدل‌های بزرگ هوش مصنوعی که تصویر و زبان را با هم پردازش می‌کنند (مدل‌های پایه) شروع کردند به نقش مغز ربات‌ها را بازی کنند.
پژوهش روی پهپادهایی که دستورهای گفتاری را دنبال می‌کنند و هم‌زمان صحنه را می‌فهمند (ناوبری بینایی‌زبانی هوایی) در حال رشد است.
مدل‌های بزرگ سنگین‌اند و اجرای سریعشان روی خود پهپاد هنوز سخت است. برای همین باید فصل بعد، یعنی تراشه‌ها، را هم کنار این خواند.
شواهد: [N133]
پرسش‌های رایج
بینایی ماشین پهپاد در چه کارهایی استفاده میشود؟
تشخیص ترک روی پلها و خطوط برق، بررسی سلامت محصولات کشاورزی، پیدا کردن آدمها در جستوجو و نجات، امنیت و پایش ترافیک، و بررسی محل تحویل کالا از کاربردهای رایجاند.
ادومتری بصریاینرسی (VIO) چیست؟
روشی که حرکت تصویر را با اندازهگیریهای IMU از شتاب و چرخش ترکیب میکند تا حساب کند پهپاد چقدر حرکت کرده است. یک فناوری پایه برای پرواز بدون GPS است.