Sir Airffic Goここは論文の世界の話が多いけど、言葉はかみくだいとるけえ、ついてきてつかあさい。
わかることの4段階
- 検出：写真の中から「人」「車」「電線」を四角で囲んで見つける。
- 追跡：見つけた物が、次の瞬間どこへ動いたかを追いかける。
- 自己位置推定：カメラの映像の動きとIMUから、自分がどこへどれだけ動いたかを計算する（VIO：Visual-Inertial Odometry）。
- 理解と指示：「赤い屋根の家の裏を見てきて」という言葉を理解し、見たものと結びつけて飛ぶ（VLM：画像と言葉を同時に扱うAI）。
地図を作りながら飛ぶ：SLAMとVIO
2000年代後半、大学の研究室はカメラ1台とIMUで小さなドローンの位置を推定することに成功し始めた。これがすべての始まりじゃ。
その後、SVOやVINS-Mono、ORB-SLAMといった方式が公開され、だれでも使える土台になった。公開された研究が、のちの製品の部品になったわけよ。
いまの業務用ドローンが橋の下や屋内で飛べるのは、この積み重ねのおかげじゃ。
空から見ると、物は小さくて斜めになる
地上で撮った写真で鍛えたAIは、空から見下ろした写真が苦手じゃ。人は点のように小さく、車は真上から見ると形が変わる。
そこでVisDroneやDOTAのような「空から撮った写真のデータセット」が作られ、空専用のAIが鍛えられるようになった。
データセットを持つ者が、AIの賢さを決める。この構図は、いまの基盤モデルの時代でも変わっとらん。
Sir Airffic GoAIの差は、アルゴリズムよりも「どれだけ空のデータを持っとるか」で決まりやすい。ここは参入戦略にも直結するけえ覚えといてね。
AIが人間のチャンピオンに勝った日
2023年、チューリッヒ大学のチームが作ったAIドローン「Swift」が、ドローンレースで人間の世界チャンピオンに勝った。その成果は科学誌Natureに載った。
Swiftは、カメラとIMUだけで自分の位置を知り、シミュレーターの中で何度も練習して学んだ「強化学習」で飛んだ。
ただし、決まったコースでの話じゃ。天気も障害物も変わる現実の空で、同じ強さを出すのは次の課題として残っとる。
Champion-level drone racing using deep reinforcement learning (UZH)
根拠: [N124]
次の波：見て、考えて、言葉で動く
2023年ごろから、画像と言葉を同時に扱う大きなAI（基盤モデル）が、ロボットの頭脳に使われ始めた。
ドローンでも「言葉で指示すると、見たものを理解して飛ぶ」研究（空中のVision-Language Navigation）が増えとる。
ただし、大きなAIは計算が重く、機体の上で速く動かすのはまだ難しい。だから次のページで見る「チップ」の進化と、セットで見る必要があるんよ。
根拠: [N133]
よくある質問
ドローンの画像認識はどんな仕事に使われていますか？
送電線や橋の点検でのひび割れ検出、農地の生育診断、捜索救助での人の発見、警備や交通の監視、配送先の安全確認などに使われています。
VIO（Visual-Inertial Odometry）とは何ですか？
カメラの映像の動きと、IMUが測る加速度・回転を組み合わせて、自分がどれだけ動いたかを計算する方法です。GPSが使えない場所でも飛ぶための基本技術です。