Een team van onderzoekers van de Johannes Kepler University heeft een autonome drone met een nieuw soort technologie ontwikkeld om de zoek- en reddingsacties te verbeteren. De groep schetst zijn drone-aanpassingen in een studie gepubliceerd in het tijdschrift Science Robotics. In hetzelfde tijdschriftnummer publiceerde Andreas Birk van Jacobs University Bremen een Focus-artikel waarin het werk van het team in Oostenrijk wordt beschreven.
In 17 veldtesten in verschillende bostypen en seizoenen, heeft een nieuw prototype voor een zoek- en reddingsdrone ongeveer 90% van de tijd met succes personen in dichte bossen gelokaliseerd. Het ontwerp, dat op 23 juni werd gepubliceerd in Science Robotics, combineert thermische beeldvorming, machine learning en een nieuwe optische methode om de drone in staat te stellen vermiste mensen door het gebladerte te zien.
De boombedekking maakt het moeilijk om individuen te lokaliseren die verdwaald zijn in het bos. Mensen in vliegtuigen en helikopters hebben moeite om door de dekking naar de grond beneden te kijken, waar mensen kunnen lopen of zelfs liggen. Hetzelfde probleem geldt voor thermische toepassingen, warmtesensoren kunnen de metingen niet goed opnemen door de kap. Er is geprobeerd om drones te gebruiken bij zoek- en reddingsmissies, maar ze staan voor dezelfde uitdagingen omdat ze op afstand worden bestuurd door piloten die de grond eronder doorzoeken. De onderzoekers hebben nieuwe apparatuur toegevoegd aan deze nieuwe onderneming waarmee ze door de boombedekking kunnen kijken en degenen die dat niet zijn, kunnen markeren.
De nieuwe oplossing is gebaseerd op een optisch snijalgoritme in de lucht, dat de rekenkracht van een computer gebruikt om afsluitende objecten zoals boomtoppen onscherp te maken. In het tweede onderdeel van het nieuwe apparaat wordt thermische beeldvorming gebruikt om de warmte te benadrukken die wordt uitgestraald door een verwarmd lichaam. Daarna beoordeelt een machine learning-algoritme of de warmtesignalen afkomstig zijn van mensen, dieren of andere bronnen. Daarna werd de nieuwe uitrusting op een reguliere autonome drone gemonteerd. Om te selecteren waar te zoeken, combineert de computer van de drone zowel locatiebepaling als signalen van de AOS- en temperatuursensoren. Als er een mogelijke match wordt gevonden, gaat de drone dichter bij het doel om een beter zicht te krijgen.
Als er een mogelijke match wordt gevonden, gaat de drone dichter bij het doel om beter te kunnen kijken. Als zijn sensoren een match detecteren, stuurt hij een bericht naar het onderzoeksteam, inclusief de coördinaten. De onderzoekers gebruikten drie GoPro-camera's die aan een headset waren bevestigd om hun algoritme te trainen tijdens het wandelen over de Zwitserse Alpen. Eén camera was naar voren gericht, één naar links en één naar rechts van de wandelaar. Het team had meer dan 20.000 foto's gemaakt na uren op deze paden te hebben doorgebracht. De foto's werden vervolgens gebruikt om hun algoritme te leren hoe ze de grenzen van een wandelpad moesten trekken.
Het resultaat is een diepgaand lerend algoritme waarmee een drone met een enkele naar voren gerichte kleurencamera geheel zelfstandig een onbekend spoor kan afleggen, zonder menselijke tussenkomst. Het systeem was zelfs beter dan mensen in het bepalen van de exacte richting van de paden waarop het liep. Het team waarschuwt dat deze bevindingen zich nog in de beginfase bevinden. Hoewel er nog een lange weg te gaan is voordat autonome drones kunnen zoeken naar vermiste individuen in bossen, geloven de onderzoekers dat hun onderzoek laat zien hoe diepe neurale netwerken autonome voertuigen kunnen helpen om situaties te onderhandelen met gecompliceerde en hoogdimensionale inputs.
Tagsdicht bos drone redden Technologie