Исследователи учат эти летательные аппараты самостоятельно перемещаться по тропам, чтобы быстрее находить заблудившихся туристов.
Одна из самых сложных проблем, с которыми сталкиваются поисково-спасательные команды, - это собрать достаточное количество добровольцев в те критические первые несколько часов после того, как кто-то пропал без вести. Путешественник заблудился где-то в большом парке с сотнями миль троп, а ресурсы вашей команды ограничены. По каким тропам вы отправляете людей, а какие оставляете неизведанными?
Это серьезная дилемма, но она может скоро исчезнуть с помощью дронов. Команда из Института исследований искусственного интеллекта Далле Молле (IDSIA) и Университета Цюриха пытается создать парк доступных электронных глаз, способных перемещаться по тропам, чтобы помочь крупным поисковым операциям и сократить время, необходимое для поиска человека, застрявшего в лес.
Это непростая задача. Дорожки через лес сильно отличаются друг от друга. Иногда они четко определены. Иногда они едва заметны. У каждого своя топография. Попытка научить электронное устройство определять след и следовать по нему чрезвычайно сложно, поэтому в качестве решения исследователи решили создать машину, которая может обучаться через искусственную нейронную сеть.
Искусственная нейронная сеть похожа на биологическую нейронную сеть, подобную той, что находится в вашем мозгу. Это одна из отличительных черт машинного обучения. Сеть устанавливает связи между моделируемыми нейронами, каждая из которых представляет собой математическую функцию, которая может взаимодействовать с другими функциями, поэтому они в конечном итоге становятся специалистами в коллективном выявлении паттернов или обучении. Вам не нужно тратить миллион часов, рассказывая сети, как думать. Вместо этого вы даете ему кучу примеров, разбитых на разные классификации, и сеть выясняет, как организовать или распознать все эти примеры таким образом, чтобы это имело смысл.
В этом случае исследователям требовалось, чтобы сеть надежно распознавала три основных вещи: изображение правой стороны следа, изображение левой стороны следа и изображение середины следа. В качестве основного материала они загрузили 20 000 фотографий, собранных путешественником на трех GoPros, которые записали каждый из этих индивидуальных аспектов и передали их в сеть.
Как это работало? Очень хорошо. Сеть смогла распознать правую, левую или центральную часть изображения в 85% случаев. Это немного лучше, чем у некоторых людей в сравнительном исследовании, в котором исследователи показывали людям одни и те же изображения и просили их сделать то же самое. И помните, что в 85% случаев никто не говорил компьютеру, что такое тропа или как она выглядит.
Как вы можете видеть на видео ниже, проект все еще находится в зачаточном состоянии. Исследователи дронов выбрали для реального эксперимента всего лишь стандартный Parrot AR Drone 2.0 за 300 долларов, но навигационное программное обеспечение, созданное нейронной сетью, работало на ноутбуке, подключенном к дрону через Wi-Fi, что означало, что кто-то должен был сбежать. дрон все время.
В будущем исследователи полагают, что окончательный вариант программного обеспечения будет достаточно легким, чтобы его можно было запускать на бортовом компьютере дрона. Тогда вам просто нужно научить его еще одной вещи: как выглядит человек. Оттуда группы SAR могут развернуть целый парк этих машин, чтобы летать по сетям следов и сообщать, если они видят что-нибудь, похожее на пропавшего человека. Придется решить проблемы, связанные с временем автономной работы, радиосигналами дальнего действия и шумом, беспокоящим дикую природу, но для бета-версии они прошли долгий путь.