De meeste hedendaagse commerciële drones gebruiken GPS om te navigeren, maar deze technologie werkt niet altijd even goed. Wanneer drones laag vliegen zijn er namelijk meer obstakels, en auto’s, fietsers en voetgangers worden niet opgemerkt door GPS-technologie. Om dit op te lossen worden sommige drones uitgerust met sensoren, maar kunnen ze daarmee wel snel genoeg reageren op onverwachtse gebeurtenissen?
Drones in het dagelijks leven
Onderzoekers van de University of Zurich en de NCCR Robotics in Zwitserland denken van niet, en hebben een algoritme ontwikkeld dat drones veilig kan laten deelnemen aan het verkeer. Dit algoritme, genaamd DroNet, berekent de beste navigatiemogelijkheden op basis van elk binnenkomend beeld. Hieruit komt een ideale stuurhoek om obstakels te ontwijken en een kansberekening van mogelijk gevaarlijke situaties.
“DroNet herkent statische en dynamische obstakels, en kan afremmen om botsingen te voorkomen. Met dit algoritme hebben we een stap voorwaarts gemaakt om zelfsturende drones te integreren in ons dagelijks leven,” zegt Davide Scaramuzza. Hij is professor robotica en perceptie aan de universiteit.
Deep Neural Network
In plaats van het inbouwen van geavanceerde sensoren hebben de Zwitserse onderzoekers een normale camera gebruikt die ook te vinden is in doorsnee smartphones. Ze onderscheiden zich echter door een krachtig algoritme toe te passen waardoor de drone adequaat kan reageren op verschillende observaties. Dit algoritme bestaat uit een zogenaamd Deep Neural Network.
“Dit is een computeralgoritme dat leert om ingewikkelde problemen op te lossen uit een reeks praktijkvoorbeelden, die de drone laten zien wat de beste oplossing is voor verschillende scenario’s. Het is eigenlijk vergelijkbaar met de manier waarop kinderen van hun ouders of onderwijzers leren,” stelt Scaramuzza.
Lees hier meer over innovatieve toepassingen van drones
Leren van het verkeer
Een van de grootste uitdagingen van Deep Learning is het verzamelen van praktijkvoorbeelden, want alleen op basis van big data kunnen algoritmes de juiste strategieën bepalen. De onderzoekers deden dit door zich te richten op het stedelijk verkeer. Ze verzamelden data van auto’s en fietsen om de drones te leren het verkeer te imiteren. Een oplossing die makkelijker te verwezenlijken is dan het programmeren van alle verkeersregels.
Uit de daaropvolgende testen bleek dat de drones in staat waren om veilig over te steken en te stoppen voor obstakels als voetgangers, wegwerkzaamheden en andere voertuigen. Maar de drones konden dit ook toepassen in gebieden waar ze niet op ‘getraind’ waren, zoals parkeerplaatsen en kantoren.
Volledig zelfsturende drones
Dit onderzoek opent de deur voor verschillende innovatieve toepassingen van drones. Bijvoorbeeld het bewaken van bedrijfsterreinen, het bezorgen van pakketten en het uitvoeren van reddingsacties tijdens rampen of aanslagen. Maar volgens promovendus Antonio Loquercio is er nog wel een lange weg te gaan. “We moeten nog een flink aantal technologische kwesties oplossen voordat de meest ambitieuze toepassingen van drones werkelijkheid kunnen worden.”
Het onderzoeksrapport Dronet: Learning to Fly by Driving is online gepubliceerd.
