کمک یک الگوریتم جدید به پهپادها در شناسایی مناظر متغییر به وسیله فصلها
محققان معتقدند ، هوش مصنوعی می تواند به پهپادها در شناسایی و پیمایش زمین کمک کند، البته این موضوع را باید در نظر گرفت که تغییرات فصلی ممکن است ظاهر زمین را تغییر دهد.
روشی که روبات های هوا و فضا می توانند بدون راهنمایی GPS یا سایر سیگنال های خارجی مکان‌یابی کنند، تکنیکی است که به عنوان ناوبری بصری شناخته می شود. این استراتژی که برای اولین بار در دهه 1960 ساخته شده‌است، آنچه را که یک روبات از یک منطقه می بیند را با تصاویر با وضوح بالایی که قبلاً جمع آوری شده، مقایسه می کند. البته که، این روش با تغییرات منطقه به دلیل تغییرات فصلی پوشش گیاهی ، تغییرات روشنایی و پوشش برف به خوبی کار نمی کند.
اکنون دانشمندان در انستیتوی فناوری کالیفرنیا به دنبال بهبود این روش با الگوریتمهای یادگیری عمیق هستند که اختلافات ظاهری را در تصاویر گذشته و حال یک منطقه مشخص، برطرف می کند.
در پژوهش جدید، محققان نرم افزار هوش مصنوعی را در مورد مجموعه داده های بصری کوههای راکی و مناطقی از کنتیکت بکار گرفته‌اند. این نرم افزار، یادگیری ویژگیهای انتزاعی یک منطقه را به جای موقعیت‌های خاص جغرافیایی، فرا گرفته است. در نتیجه، قادر است مناطق دیگر را با مقدار کمی داده پیمایش کند.
کانر لی، یکی از نویسندگان این پژوهش ، بیان کرده است:"رایانه ها قادرند الگوهای نامفهومی را که چشم ما آنها را نمی بیند و حتی کوچکترین روندها را نیز پیدا کنند."
دانشمندان این الگوریتم را در پهپادی که پرواز شبیه سازی شده‌ای را بر فراز منطقه ای در شمال غربی کنتیکت انجام می داد، آزمایش کردند. این منطقه شامل وسعت زیادی از جنگل های برگریز و ناهموار است و شیب زمین از مکانهایی که الگوریتم در طول آموزش با آنها روبرو بود، بیشتر است. جنگل های برگریز به طور فصلی برگ های خود را می ریزند، پس به همین دلیل با گذشت زمان به طور قابل توجهی تغییر شکل می دهند. شیب تند زمین نیز برای الگوریتم یک چالش به حساب می‌آید، زیرا بسته به ارتفاع ، زاویه و حرکات پهپاد، الگوریتم می تواند تفاوت قابل توجهی داشته باشد.
هنگامی که این پهپاد آنچه را که مشاهده کرده با عکس های گرفته شده از دو سال قبل مقایسه کرد ، الگوریتم تقریباً توانست تمام عدم تطابق‌های قابل توجه بین مجموعه های مختلف داده را از بین برد.
این به پهپاد کمک کرد تا ناوبری بصری را با موفقیت انجام دهد.
محققان معتقدند این الگوریتم همچنین می‌تواند برای ماموریت های فضایی نیز کاربرد داشته باشد. به عنوان مثال ، سیستم ورود ، کاهش ارتفاع و فرود (EDL) در مأموریت مریخ نورد پشتکار ، از ناوبری بصری برای فرود در دهانه Jezero در سیاره سرخ استفاده کرده‌است ، سایتی که قبلاً برای ورود امن بسیار خطرناک تلقی می شد.
نویسنده ارشد مطالعه سون جو چونگ، استاد هوا فضا و سیستم های کنترلی و دینامیکی دانشگاه کال تک، در بیانیه ای گفته‌است که:"برای مریخ نوردهایی مانند پشتکار،مقدار مشخصی از اوتوپایلوت ضروری است، زیرا انتقال بین زمین و مریخ ممکن است 20 دقیقه طول بکشد و GPS در مریخ وجود ندارد"
دانشمندان در ادامه خواهند دید که آیا سیستم آنها می تواند تغییرات آب و هوایی را نیز مهیا کند(مه ، باران ، برف و غیره.) در صورت موفقیت ، کار آنها می تواند به بهبود سیستم های ناوبری برای اتومبیل های بدون راننده نیز کمک کند. این محققان یافته های خود را به صورت آنلاین در مجله Science Robotics شرح داده‌اند.
