Норвежцы разработали дрон RMF-Owl для автономной подземной разведки. Как сообщает New Scientist, он умеет уходить от столкновений, а его корпус к ним устойчив.
Работы под землей — в шахтах, метро, сетях пещер — связаны с повышенной опасностью. Если поручить поиск, разведку и составление карт роботам и дронам, это поможет избавить людей от лишних рисков. Избегать препятствий в замкнутом пространстве — сложная задача для подземных роботов и дронов. Особенно, когда они находятся вне доступа к глобальной навигационной спутниковой системы. Если говорить о дронах, эта проблема становится тем острее, чем больше у них радиус полета и масштаб автономных миссий.
Дрон RMF-Owl, которого разработали Паоло де Петрис (Paolo De Petris) и его коллеги из Норвежского университета науки и технологий, уcтойчив к столкновениям: его корпус выполнен из многослойной углеродной пены. Он оснащен четырьмя моторами и полетным контроллером PixRacer R15, который контролирует положение и тягу. При длине и ширине 38 сантиметров его масса — 1,45 килограмма. RMF-Owl рассчитан на десять минут полета.
Чтобы точно определять местонахождение и наносить на карту подземные пространства, RMF-Owl использует одометрию с лидара и систему одновременной ориентировки и картографирования CompSLAM. Она тоже опирается на данные лидара, но также камер, тепловизоров и инерциальных измерительных датчиков IMU. Вести автономную разведку дрону помогают локальный и глобальный планировщик траектории. Локальный определяет маршрут, учитывая движение аппарата и ограничивающих факторов. А глобальный помогает, когда локальный не может найти путь, значимый для разведывательной миссии, и контролирует, что дрон успеет вернуться.
RMF-Owl умеет не только исследовать и наносить на карту подземные пространства, но и искать в них объекты. В основном, с помощью сверточной нейросети YOLO v3, обученной на датасете из более чем 40 тысяч объектов. Еще дрон может определять устройства с Bluetooth в режиме поиска.
Инженеры испытали RMF-Owl в норвежской шахте, где он самостоятельно поднялся в воздух, спланировал маршрут без столкновений в узком коридоре и за 6,6 минуты пролетел более двухсот метров. Кроме того, он участвовал в прошлогодних соревнованиях управления перспективных исследовательских проектов Пентагона в команде CERBERUS. Там он обменивался данными с другими роботами по WiFi.
Ранее мы писали про устойчивый к столкновениям квадракоптер с эластичной рамой на магнитах. Детали его рамы отделяются при сильном ударе, но потом притягиваются обратно к ядру.
Василиса Чернявцева
Двухступенчатый алгоритм управления точно имитирует движения, учитывая ограничения конструкции
Инженеры из Disney и ETH Zurich разработали метод обучения нейросетевого алгоритма для управления движениями трехмерных персонажей и роботов, который позволяет точно воспроизводить заданные движения на основе кинематических данных с учетом физики. Метод использует двухэтапный процесс обучения: сначала с помощью вариационного автоэнкодера создается внутреннее представление о базовых движениях, а затем обучается политика управления, которая использует это представление для генерации команд управления движениями. Такой подход обеспечивает реалистичное и плавное выполнение движений, адаптируясь к физическим ограничениям и используя движения, которых не было в обучающей выборке. Алгоритм успешно протестировали на виртуальном персонаже в симуляции, а также на человекоподобном роботе с 20 степенями свободы. Подробное описание метода опубликовано на сайте Disney Research.