En autonom drone med en ny slags teknologi er blevet udviklet af et team af forskere ved Johannes Kepler Universitet for at forbedre eftersøgnings- og redningsindsatsen. Gruppen skitserer sine dronemodifikationer i en undersøgelse offentliggjort i tidsskriftet Science Robotics. I samme tidsskriftsudgave offentliggjorde Andreas Birk fra Jacobs University Bremen et Focus-stykke, der beskriver holdets arbejde i Østrig.
I 17 felttest på tværs af forskellige skovtyper og årstider har en ny prototype til en eftersøgnings- og redningsdrone med succes lokaliseret personer i tætte skove omkring 90 % af tiden. Designet, som blev offentliggjort i Science Robotics den 23. juni, kombinerer termisk billeddannelse, maskinlæring og en ny optisk metode, der gør det muligt for dronen at se forsvundne mennesker gennem løvet.
Trædækket gør det vanskeligt at lokalisere individer, der er fortabt i skoven. Folk i fly og helikoptere har svært ved at se gennem dækslet til jorden nedenunder, hvor folk kan gå eller endda lægge sig ned. Det samme problem gælder for termiske applikationer, varmesensorer er ikke i stand til at opfange aflæsninger korrekt ved dækslet. Droner er blevet forsøgt brugt i eftersøgnings- og redningsmissioner, men de står over for de samme udfordringer, fordi de fjernstyres af piloter, der afsøger jorden nedenunder. Forskerne har tilføjet nyt udstyr til denne nye bestræbelse, der gør dem i stand til at se gennem trædækket og fremhæve dem, der ikke er det.
Den nye løsning er baseret på en luftbåren optisk sektionsalgoritme, som anvender en computers computerkraft til at defokusere okkluderende objekter såsom trætoppe. Termisk billeddannelse bruges i den anden komponent af den nye enhed for at fremhæve den varme, der udstråles af en opvarmet krop. Derefter vurderer en maskinlæringsalgoritme, om varmesignalerne er fra mennesker, dyr eller andre kilder. Herefter blev det nye gear monteret på en almindelig autonom drone. For at vælge, hvor den skal søge, kombinerer dronens computer både lokaliseringsposition og signaler fra AOS og temperatursensorer. Hvis en mulig match findes, går dronen tættere på målet for at opnå et bedre udsyn.
Hvis der findes et potentielt match, går dronen tættere på målet for at få et bedre kig. Hvis dens sensorer registrerer en match, sender den en besked til undersøgelsesholdet, som inkluderer koordinaterne. Forskerne brugte tre GoPro-kameraer knyttet til et headset til at træne deres algoritme, mens de vandrede over de schweiziske alper. Et kamera var fokuseret fremad, et til venstre og et til højre for vandreren. Holdet havde taget over 20.000 fotografier efter at have brugt timer på disse stier. Fotografierne blev derefter brugt til at uddanne deres algoritme til, hvordan man tegner grænserne for en vandresti.
Resultatet er en dyb-læringsalgoritme, der gør det muligt for en drone med et enkelt fremadvendt farvekamera at rejse et ukendt spor helt på egen hånd uden menneskelig indblanding. Systemet var endnu bedre end mennesker til at bestemme den nøjagtige retning af de stier, det gik på. Holdet advarer om, at disse resultater stadig er i de tidlige stadier. Selvom der stadig er lang vej igen, før autonome droner kan søge efter forsvundne individer i skove, mener forskerne, at deres undersøgelse viser, hvordan dybe neurale netværk kan hjælpe autonome køretøjer med at forhandle situationer med komplicerede og højdimensionelle input.
Tagstæt skov drone redde Teknologi