Sir Airffic Goഇതിൽ ഏറെയും ഗവേഷണ പ്രബന്ധങ്ങളിൽ നിന്നാണ്, പക്ഷേ വാക്കുകൾ ലളിതമാക്കിയിട്ടുണ്ട്. എന്റെ കൂടെ നിൽക്കൂ.
മനസ്സിലാക്കലിന്റെ നാല് ഘട്ടങ്ങൾ
- കണ്ടെത്തൽ (detection): ചിത്രത്തിലെ മനുഷ്യരെയും കാറുകളെയും വൈദ്യുതി ലൈനുകളെയും കണ്ടെത്തി അവയ്ക്ക് ചുറ്റും ചതുരം വരയ്ക്കുക.
- പിന്തുടരൽ (tracking): കണ്ടെത്തിയ വസ്തു അടുത്തതായി എങ്ങോട്ട് നീങ്ങുന്നു എന്ന് പിന്തുടരുക.
- സ്വന്തം സ്ഥാനം അറിയൽ: ചിത്രത്തിലെ ചലനവും IMU-വും ചേർത്ത് എത്ര ദൂരം, എങ്ങോട്ട് നീങ്ങി എന്ന് കണക്കാക്കുക (VIO: visual-inertial odometry).
- മനസ്സിലാക്കലും നിർദ്ദേശവും: “ചുവന്ന മേൽക്കൂരയുള്ള വീടിന്റെ പിന്നിൽ നോക്കൂ” എന്നത് മനസ്സിലാക്കി, ആ വാക്കുകളെ കാണുന്നതുമായി ബന്ധിപ്പിക്കുക (VLM: ചിത്രവും ഭാഷയും ഒരുമിച്ച് കൈകാര്യം ചെയ്യുന്ന AI).
ഭൂപടം വരച്ചുകൊണ്ട് പറക്കൽ: SLAM, VIO
2000-കളുടെ അവസാനം, ഒരു ക്യാമറയും ഒരു IMU-വും ഉപയോഗിച്ച് ചെറിയ ഡ്രോണിന്റെ സ്ഥാനം കണക്കാക്കാൻ സർവകലാശാല ലാബുകൾ തുടങ്ങി. എല്ലാം തുടങ്ങിയത് അവിടെയാണ്.
SVO, VINS-Mono, ORB-SLAM പോലുള്ള രീതികൾ പ്രസിദ്ധീകരിക്കപ്പെട്ട് എല്ലാവർക്കും പൊതു അടിത്തറയായി. തുറന്ന ഗവേഷണം ഉൽപന്നങ്ങളുടെ ഭാഗങ്ങളായി മാറി.
ഇന്നത്തെ വാണിജ്യ ഡ്രോണുകൾക്ക് പാലങ്ങൾക്കടിയിലും കെട്ടിടങ്ങൾക്കുള്ളിലും പറക്കാൻ കഴിയുന്നത് ഈ കൂട്ടായ പ്രയത്നം കൊണ്ടാണ്.
മുകളിൽ നിന്ന് നോക്കുമ്പോൾ എല്ലാം ചെറുതും ചരിഞ്ഞതും
നിലത്തുനിന്നെടുത്ത ഫോട്ടോകൾ കൊണ്ട് പഠിച്ച AI മുകളിൽ നിന്നുള്ള കാഴ്ചയിൽ പ്രയാസപ്പെടുന്നു: മനുഷ്യർ കുത്തുകളാകും, കാറുകളുടെ ആകൃതി മാറും.
ആകാശത്തിന് മാത്രമായ AI പരിശീലിപ്പിക്കാൻ VisDrone, DOTA പോലുള്ള ആകാശ ഡാറ്റാസെറ്റുകൾ ഉണ്ടാക്കി.
ഡാറ്റ ആരുടെ കൈയിലാണോ, AI എത്ര മിടുക്കനാകുമെന്ന് അവർ തീരുമാനിക്കും. ഫൗണ്ടേഷൻ മോഡലുകളുടെ കാലത്തും ഇത് മാറിയിട്ടില്ല.
Sir Airffic GoAI-യിലെ വ്യത്യാസം പലപ്പോഴും അൽഗോരിതത്തേക്കാൾ, നിങ്ങളുടെ കൈയിലുള്ള ആകാശ ഡാറ്റയുടെ അളവിലാണ്. തന്ത്രം അധ്യായത്തിനായി ഇത് ഓർത്തുവെക്കൂ.
AI മനുഷ്യ ചാമ്പ്യന്മാരെ തോൽപ്പിച്ച ദിവസം
2023-ൽ, University of Zurich നിർമ്മിച്ച Swift എന്ന AI ഡ്രോൺ ലോക ചാമ്പ്യന്മാരായ മനുഷ്യ ഡ്രോൺ റേസർമാരെ തോൽപ്പിച്ചു. ഈ പഠനം Nature-ൽ പ്രസിദ്ധീകരിച്ചു.
ക്യാമറയും IMU-വും മാത്രം വെച്ചാണ് Swift സ്വന്തം സ്ഥാനം കണക്കാക്കിയത്. സിമുലേഷനിൽ പലതവണ പരിശീലിച്ചുള്ള റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് (reinforcement learning) വഴിയാണ് പറക്കാൻ പഠിച്ചത്.
ഇത് ഒരു നിശ്ചിത ട്രാക്കിലായിരുന്നു. കാലാവസ്ഥയും തടസ്സങ്ങളും മാറുന്ന യഥാർത്ഥ ആകാശത്ത് ഇതേ മികവ് നേടുന്നത് ഇപ്പോഴും വെല്ലുവിളിയാണ്.
ഡീപ് റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് ഉപയോഗിച്ച് ചാമ്പ്യൻ നിലവാരത്തിലുള്ള ഡ്രോൺ റേസിംഗ് (UZH)
തെളിവ്: [N124]
അടുത്ത തരംഗം: വാക്കുകൾ കേട്ട് കാണുക, ചിന്തിക്കുക, പ്രവർത്തിക്കുക
ഏകദേശം 2023 മുതൽ, ചിത്രവും ഭാഷയും ഒരുമിച്ച് കൈകാര്യം ചെയ്യുന്ന വലിയ AI മോഡലുകൾ (ഫൗണ്ടേഷൻ മോഡലുകൾ) റോബോട്ടുകളുടെ തലച്ചോറായി ഉപയോഗിക്കാൻ തുടങ്ങി.
കാഴ്ച മനസ്സിലാക്കിക്കൊണ്ട് പറഞ്ഞ നിർദ്ദേശങ്ങൾ അനുസരിക്കുന്ന ഡ്രോൺ ഗവേഷണം (aerial vision-language navigation) വളരുകയാണ്.
വലിയ മോഡലുകൾക്ക് ഭാരം കൂടുതലാണ്; അവയെ ഡ്രോണിനുള്ളിൽ വേഗത്തിൽ ഓടിക്കുന്നത് ഇപ്പോഴും പ്രയാസമാണ്. അതുകൊണ്ടാണ് ചിപ്പുകളെക്കുറിച്ചുള്ള അടുത്ത അധ്യായം ഇതിനൊപ്പം വായിക്കേണ്ടത്.
തെളിവ്: [N133]
പതിവ് ചോദ്യങ്ങൾ
ഡ്രോൺ കമ്പ്യൂട്ടർ വിഷൻ ഏതൊക്കെ ജോലികളിൽ ഉപയോഗിക്കുന്നു?
പാലങ്ങളിലെയും വൈദ്യുതി ലൈനുകളിലെയും വിള്ളൽ കണ്ടെത്തൽ, വിളകളുടെ ആരോഗ്യ പരിശോധന, തിരച്ചിലിലും രക്ഷാപ്രവർത്തനത്തിലും ആളുകളെ കണ്ടെത്തൽ, സുരക്ഷയും ഗതാഗത നിരീക്ഷണവും, ഡെലിവറി സ്ഥലങ്ങൾ പരിശോധിക്കൽ എന്നിവയാണ് സാധാരണ ഉപയോഗങ്ങൾ.
Visual-inertial odometry (VIO) എന്താണ്?
ചിത്രത്തിലെ ചലനവും IMU അളക്കുന്ന വേഗമാറ്റവും തിരിയലും ചേർത്ത് ഡ്രോൺ എത്ര ദൂരം നീങ്ങി എന്ന് കണക്കാക്കുന്ന രീതി. GPS ഇല്ലാതെ പറക്കാനുള്ള അടിസ്ഥാന സാങ്കേതികവിദ്യയാണിത്.