Airffic InstituteAERIAL PHYSICAL AI
Мазмун ☰

Aerial Physical AI институту

Vision AI: дрон көргөнүн кантип түшүнөт

Учуу үчүн көрүү жетишсиз. Мээ көргөнүн түшүнүшү керек.

Кыска жооп: Дрондун Vision AIсы төрт баскыч менен өнүккөн: ① нерселерди табуу (объект аныктоо), ② аларга көз салуу (tracking), ③ өз ордуңду билүү (SLAM, VIO), ④ сөз менен берилген буйрукту түшүнүү (базалык моделдер). Азыр биз ④ баскычтын босогосундабыз.

Жаңыланды: · 3 мүнөт окууКантип изилдедик →

Sir Airffic GoМунун көбү илимий макалалардан алынган, бирок сөздөр жөнөкөй. Мени менен бирге бол.

Түшүнүүнүн төрт баскычы

  1. Объект аныктоо: сүрөттөн адамдарды, унааларды жана электр зымдарын таап, аларды кутуча менен белгилөө.
  2. Көз салуу (tracking): табылган нерсе кийин кайда жыларын ээрчүү.
  3. Өз ордун аныктоо: сүрөттүн кыймылы жана IMU боюнча канча жана кайда жылганыңды эсептөө (VIO: визуалдык-инерциялык одометрия).
  4. Түшүнүү жана буйрук: «кызыл чатырлуу үйдүн артын текшер» дегенди түшүнүп, сөздөрдү көргөнү менен байланыштыруу (VLM: сүрөт менен тилди бирге иштеткен ЖИ).

Картаны түзүп жатып учуу: SLAM жана VIO

2000-жылдардын аягында университеттердин лабораториялары кичинекей дрондун ордун бир камера жана IMU менен эсептей башташкан. Баары ошол жерден башталган.

SVO, VINS-Mono жана ORB-SLAM сыяктуу ыкмалар жарыяланып, жалпы пайдубалга айланды. Ачык изилдөөлөр продукциянын тетиктерине айланды.

Азыркы коммерциялык дрондор көпүрө астында жана имарат ичинде уча алышы — ушул топтолгон эмгектин натыйжасы.

Жогорудан караганда нерселер кичине жана кыйшык көрүнөт

Жерден тартылган сүрөттөрдө окутулган ЖИ жогорудан караганда кыйналат: адамдар чекитке айланат, унаалардын формасы өзгөрөт.

Асманга ылайыкталган ЖИни окутуу үчүн VisDrone жана DOTA сыяктуу абадан тартылган маалымат топтомдору түзүлгөн.

Маалыматка ким ээ болсо, ЖИнин канчалык акылдуу болорун ошол аныктайт. Базалык моделдер доорунда да бул өзгөргөн жок.

Sir Airffic GoЖИдеги айырма көбүнчө алгоритмден эмес, абадан тартылган маалыматтын канчалык көп экенинен келип чыгат. Муну стратегия бөлүмү үчүн эсиңе сактап кой.

ЖИ адам чемпиондорун жеңген күн

2023-жылы Цюрих университетинде жасалган Swift аттуу ЖИ дрону дрон жарышы боюнча адам дүйнө чемпиондорун жеңди. Бул иш Nature журналында жарыяланган.

Swift өз ордун камера жана IMU менен гана эсептеп, учууну бекемдөө менен үйрөнүү аркылуу (симуляцияда көп жолу машыгып) үйрөнгөн.

Бул туруктуу трассада болгон. Аба ырайы жана тоскоолдуктар өзгөрүп турган чыныгы асманда ушундай чеберчиликке жетүү — дагы деле ачык маселе.

Терең бекемдөө менен үйрөнүү аркылуу чемпион деңгээлиндеги дрон жарышы (UZH)

Цюрих университетинин Robotics and Perception Group тобу жарыялаган Swift ЖИ дронунун видеосу. YouTube ↗ · Ойнотууну баспасаң, YouTube'дан эч нерсе жүктөлбөйт

Кийинки толкун: көрүү, ой жүгүртүү жана сөз боюнча аракет

Болжол менен 2023-жылдан баштап сүрөт менен тилди бирге иштеткен чоң ЖИ моделдери (базалык моделдер) роботтордун мээси катары колдонула баштады.

Дрондун көрүнүштү түшүнүп, оозеки буйрукту аткаруусу боюнча изилдөөлөр (абадагы көрүү-тил навигациясы) көбөйүп жатат.

Чоң моделдер оор, аларды бортто тез иштетүү дагы эле кыйын. Ошондуктан кийинки бөлүмдөгү чиптерди да кошо окуу керек.

Көп берилүүчү суроолор

Дрондун компьютердик көрүүсү кайсы иштерде колдонулат?

Көпүрөлөрдөгү жана электр зымдарындагы жаракаларды табуу, эгиндин абалын текшерүү, издөө-куткарууда адамдарды табуу, коопсуздук жана жол кыймылына көз салуу, жеткирүү жерлерин текшерүү — көп кездешкен колдонуулар.

Визуалдык-инерциялык одометрия (VIO) деген эмне?

Сүрөттүн кыймылын IMU өлчөгөн ылдамдануу жана айлануу менен бириктирип, дрон канча жылганын эсептеген ыкма. Бул GPSсиз учуунун негизги технологиясы.