DJI представила складной квардрокоптер Mavic Air 2 с приемником ADS-B
Компания DJI представила складной квадрокоптер DJI Mavic Air 2. Главным изменением по сравнению с прошлой версией стала увеличенная продолжительность полета — теперь она составляет 34 минуты. Кроме того, дрон получил новый модуль камеры и возможность трансляции видео на пульт оператора на расстоянии 10 километров, а версия для Северной Америки также получила приемник зависимого наблюдения ADS-B. Mavic Air 2 поступит в продажу 11 мая по цене от 75990 рублей или 799 долларов.
Квадрокоптеры в последние годы уже стали достаточно дружелюбными к пользователю в управлении, но большинство моделей слишком большие, чтобы, к примеру, носить их с собой в рюкзаке. DJI представила в 2016 году свой первый квадрокоптер со складными плечами. Они отклоняются к корпусу, а винты складываются, что позволяет существенно уменьшить размер аппарата при переноске. С тех пор компания представила несколько моделей с такой конструкцией, и теперь выпустила новую версию облегченного дрона Mavic Air.
Mavic Air 2 по конструкции напоминает предыдущую модель, но стал тяжелее (570 грамм против 430) и больше — теперь его размеры в сложенном состоянии составляют 18 на 9,7 на 8,4 сантиметра. Масса в основном увеличилась из-за аккумулятора: она весит почти 200 грамм и позволяет дрону летать на протяжении 34 минут, тогда как предыдущей версии Mavic Air хватало лишь на 21 минуту.
Изменения коснулись и камеры. Как и раньше, она установлена на активном трехосевом подвесе, но внутри установлен новая матрица большего размера и с разрешением 48 мегапикселей. Она позволяет снимать видео с разрешением 4К и частотой 60 кадров в секунду или в FullHD с частотой 240 кадров в секунду, а также таймлапс в разрешении 8К.
В дроне установлены датчики для отслеживания препятствий спереди и сзади, способные обнаруживать объекты на расстоянии до 44 метров и скорости 12 метров в секунду. Это позволяет дрону в автоматическом режиме останавливаться перед препятствиями или огибать их и продолжать полет. Кроме того, у дрона есть датчик на нижней поверхности, помогающий при посадке в темноте.
Еще одно нововведение коснулось передачи видео с камеры дрона на пульт оператора. Теперь в США пульт сможет получать видеопоток в разрешении FullHD и частотой 30 кадров в секунду на расстоянии до 10 километров. В России, как и в других регионах за пределами зоны сертификации FCC, максимальное расстояние передачи составляет шесть километров.
У нового квадрокоптера также есть пока уникальная особенность — он оборудован приемником автоматического зависимого наблюдения-вещания ADS-B. Это стандартная система наблюдения за движением воздушных судов, применяемая в основном на самолетах. Благодаря этому дрон сможет получать информацию о том, что в опасной близости к нему находится или будет находиться при текущей траектории самолет. При этом, как и почти все серийные дроны, Mavic Air 2 оборудован картой закрытых воздушных зон, поэтому со стандартным программным обеспечением он не может летать над территориями аэропортов. Приемником ADS-B оснащаются только версии дрона для Северной Америки.
Стоимость базовой комплектации Mavic Air 2 в России составляет 75 990 рублей, а в США он стоит 799 долларов без учета налогов. В продажу дрон поступит 11 мая.
В феврале Россия значительно упростила легальные полеты дронов массой от 250 грамм до 30 килограмм. Теперь, при соблюдении нескольких условий, владелец сможет запускать дрон без получения разрешения на каждый полет.
Григорий Копиев
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.