Sir Airffic Goเนื้อหาส่วนใหญ่มาจากงานวิจัย แต่ผมใช้คำง่าย ๆ ครับ ตามผมมาเลย
4 ขั้นของความเข้าใจ
- การตรวจจับ: หาคน รถ และสายไฟในภาพ แล้ววาดกรอบล้อมไว้
- การติดตาม: ตามดูว่าวัตถุที่เจอแล้วจะเคลื่อนไปทางไหนต่อ
- การหาตำแหน่งตัวเอง: คำนวณว่าเราเคลื่อนไปไกลแค่ไหนและไปทางไหน จากการเคลื่อนไหวของภาพร่วมกับ IMU (VIO: การวัดการเคลื่อนที่ด้วยภาพและแรงเฉื่อย)
- ความเข้าใจและคำสั่ง: เข้าใจคำสั่งอย่าง "ไปดูหลังบ้านหลังคาสีแดง" แล้วเชื่อมคำพูดกับสิ่งที่เห็น (VLM: AI ที่จัดการภาพและภาษาไปพร้อมกัน)
บินไปพร้อมทำแผนที่: SLAM และ VIO
ช่วงปลายทศวรรษ 2000 ห้องแล็บในมหาวิทยาลัยเริ่มประมาณตำแหน่งของโดรนตัวเล็กด้วยกล้องหนึ่งตัวกับ IMU ทุกอย่างเริ่มจากตรงนั้น
วิธีการอย่าง SVO, VINS-Mono และ ORB-SLAM ได้รับการเผยแพร่และกลายเป็นรากฐานที่ทุกคนใช้ร่วมกัน งานวิจัยแบบเปิดกลายเป็นชิ้นส่วนของสินค้า
โดรนเชิงพาณิชย์ทุกวันนี้บินใต้สะพานและในอาคารได้ ก็เพราะผลงานที่สะสมมานี้
มองจากด้านบน ทุกอย่างดูเล็กและเบี้ยว
AI ที่ฝึกด้วยรูปถ่ายจากพื้นดิน มีปัญหาเมื่อมองจากด้านบน คนกลายเป็นจุด และรถก็เปลี่ยนรูปร่าง
จึงมีการสร้างชุดข้อมูลภาพมุมสูงอย่าง VisDrone และ DOTA เพื่อฝึก AI สำหรับท้องฟ้าโดยเฉพาะ
ใครเป็นเจ้าของข้อมูล คนนั้นกำหนดว่า AI จะฉลาดแค่ไหน เรื่องนี้ไม่เปลี่ยนแม้ในยุคโมเดลพื้นฐาน
Sir Airffic Goช่องว่างของ AI มักขึ้นอยู่กับว่าคุณมีข้อมูลภาพมุมสูงมากแค่ไหน มากกว่าตัวอัลกอริทึม จำเรื่องนี้ไว้สำหรับบทกลยุทธ์นะครับ
วันที่ AI ชนะแชมป์มนุษย์
ในปี 2023 โดรน AI ชื่อ Swift ที่สร้างโดยมหาวิทยาลัยซูริก ชนะนักแข่งโดรนแชมป์โลกที่เป็นมนุษย์ ผลงานนี้ตีพิมพ์ในวารสาร Nature
Swift ประมาณตำแหน่งตัวเองด้วยกล้องและ IMU เท่านั้น และเรียนรู้การบินด้วยการเรียนรู้แบบเสริมกำลัง (reinforcement learning) คือฝึกซ้ำหลายครั้งในโลกจำลอง
นี่เป็นสนามที่กำหนดไว้ตายตัว การทำได้ดีเท่านี้ในท้องฟ้าจริงที่สภาพอากาศและสิ่งกีดขวางเปลี่ยนตลอด ยังเป็นโจทย์ที่ต้องแก้
การแข่งโดรนระดับแชมป์ด้วยการเรียนรู้แบบเสริมกำลังเชิงลึก (UZH)
หลักฐาน: [N124]
คลื่นลูกถัดไป: มอง คิด และทำตามคำพูด
ตั้งแต่ราวปี 2023 โมเดล AI ขนาดใหญ่ที่จัดการภาพและภาษาไปพร้อมกัน (โมเดลพื้นฐาน) เริ่มถูกใช้เป็นสมองของหุ่นยนต์
งานวิจัยโดรนที่ทำตามคำสั่งด้วยเสียงพร้อมเข้าใจภาพตรงหน้า (การนำทางด้วยภาพและภาษาบนท้องฟ้า) กำลังเพิ่มขึ้น
โมเดลขนาดใหญ่หนัก และการรันให้เร็วบนตัวเครื่องยังยาก นี่คือเหตุผลที่ต้องอ่านบทถัดไปเรื่องชิปควบคู่กัน
หลักฐาน: [N133]
คำถามที่พบบ่อย
งานแบบไหนใช้การมองภาพด้วยคอมพิวเตอร์ของโดรน
ที่พบบ่อยคือ หารอยร้าวบนสะพานและสายไฟฟ้า ตรวจสุขภาพพืชผล ค้นหาคนในงานค้นหาและกู้ภัย เฝ้าระวังความปลอดภัยและการจราจร และตรวจสอบจุดส่งของ
การวัดการเคลื่อนที่ด้วยภาพและแรงเฉื่อย (VIO) คืออะไร
เป็นวิธีที่รวมการเคลื่อนไหวของภาพเข้ากับค่าความเร่งและการหมุนที่ IMU วัดได้ เพื่อคำนวณว่าโดรนเคลื่อนไปไกลแค่ไหน เป็นเทคโนโลยีพื้นฐานของการบินโดยไม่ใช้ GPS