Автономные тс весьма просто могут «заплутаться», если они попадают в зону неуверенного приема либо отсутствия сигналов спутниковой навигационной системы GPS. Но новейший метод, разработанный спецами Калифорнийского технологического института, дозволит автономным системам обусловиться со своим положение, просто «осмотревшись вокруг» с помощью одной либо нескольких камер. И, в первый раз за всю историю, работа такового метода является фактически независящей от сезонных конфигураций и разных причин окружающей среды.
Процесс относительной зрительной ориентации (visual terrain-relative navigation, VTRN) был разработан еще в 1960-х годах. Он работает методом сопоставления изображений окружающей местности, получаемых с камер, с качественными спутниковыми снимками, находящимися в специальной базе данных. Таковой подход работает, пока что-либо абсолютно не изменяет окружающий ландшафт, сиим может являться снежный покров либо опавшие с деревьев листья. К огорчению, в базу данных VTRN нереально внести изображения одной и той же местности при всех вероятных критериях, потому такие зрительные системы нередко не могут отыскать совпадения и выдают недостоверные результаты.
Исследователи из Калифорнийского технологического института и Лаборатории НАСА (Национальное управление по воздухоплаванию и исследованию космического пространства — ведомство, принадлежащее федеральному правительству США) по исследованию реактивного движения (NASA Jet Propulsion Laboratory, JPL) решили использовать для задачки зрительной ориентации специально обученную систему искусственного ума. В данной для нас системе был реализован способ «самоконтролируемого обучения», который дозволяет системе учиться вполне без помощи других, без роли в этом деле людей и приготовленных людьми комментированных наборов данных. Анализируя изображения, таковая система искусственного ума находит на снимках такие детали и индивидуальности, которые, с огромным процентом вероятности, могли быть пропущены и не приняты во внимание людьми.
Система искусственного ума была внедрена в один из вариантов программной реализации технологии зрительной ориентации. И в самом первом же тесте системе была поставлена задачка определения местоположения в летний период на основании данных и снимков, изготовленных в зимний период. Обыденный подход обеспечивает наиболее наименее достоверные результаты в максимум 50 процентах случаев. Но когда к этому делу был подключен искусственный ум, количество достоверных результатов возросло до 92 процентов, а другие 8 процентов были идентифицированы как проблематические, т.е. выходящие за рамки требуемой точности.
Роль в данной для нас работе профессионалов лаборатории JPL разъясняется тем, что данная разработка быть может удачно применена в галлактических миссиях. Например, в системе управления спускаемым аппаратом, который в 2020 году доставил марсоход Perseverance на поверхность Красноватой Планетки, также использовались технологии зрительной ориентации. И, благодаря данной для нас системе, марсоход был удачно спущен на поверхность в районе кратера Jezero в месте, которое ранее было признано очень небезопасным для таковой процедуры. Не считая этого, участники исследовательской группы уже проработали огромное количество снимков полярных регионов Марса, где наблюдаются довольно мощные сезонные конфигурации, и приобретенные данные будут употребляться позднее во время миссий, целью которых станет поиск припасов воды.
На данный момент калифорнийские исследователи занимаются модернизацией сделанной ими системы, опосля что она сумеет не зависеть либо зависеть в еще наименьшей степени от мгновенных погодных конфигураций, включая туман, дождик и снег. Если это будет выполнено удачно, то самоуправляемые автомобили-роботы обретут возможность узнавать свое текущее положение в хоть какое время года, в любом месте и в всех критериях.
Источник:
