BT

自動運転車のイメージでトレーニングしたニューラルネットワークでドローンの市街地飛行を可能にする

| 作者: Roland Meertens フォローする 6 人のフォロワー , 翻訳者 h_yoshida フォローする 1 人のフォロワー 投稿日 2018年2月27日. 推定読書時間: 2 分 |

原文(投稿日:2018/01/25)へのリンク

読者の皆様へ: あなたのリクエストに応じて、大切な情報を見逃すことなく、ノイズを減らす機能を開発しました。お気に入りのトピックを選択して、メールとウェブで通知をもらいましょう

チューリッヒ大学の研究チームが、路上でドローンを安全に飛行させる方法について詳述した論文を発表した。

何年も前にAmazonなどの企業が、Prime Airシステムでドローンを使用したパッケージ配送を行うと発表しているが、ビルディングの間を飛行可能なドローンはほとんどない。その大きな理由は、路上レベルの障害物を回避する経路計画が、ドローンにとって非常に難しいものであるからだ。この問題を克服するため同チームの研究者らは、ドローンが障害物に接近しているかどうかを推測しながら、同時に合理的な飛行方向を推定することの可能なプログラムの開発を試みた。このアイデアは、同グループが2016年に公開した、森林の中を自律的に飛行可能なドローンに関するものと類似している。

操舵角と衝突の可能性について予測するため、研究者らはディープニューラルネットワークを開発した。彼らがトレーニングしたニューラルネットワークは、残留(residual)ネットワークと呼ばれるもので、ドローン自体を操縦するための操舵角と衝突可能性を生成し、危険な状況の認識と対応を可能にする。

そこで重要なのが、トレーニングデータを収集する方法だ。このような状況すべてに対して、訓練されたパイロットによるデータ収集を行うのは、非常に多くの時間を必要とする。代わりに研究者らは、車と自転車で収集したデータで自分たちのニューラルネットワークをトレーニングした。 適切な操舵角を推測するために使用したデータセットは、Udacityトレーニングセットだ。それぞれのイメージには車の操舵角が含まれており、ドローンはそれを行動的クローニング、すなわち、ニューラルネットワークを使用した車の操舵角の予想によって学習する。彼らは自転車にカメラを取り付け、車などの障害物に向かって運転することによって、自らの衝突データセットを収集した。このようにして、彼らのニューラルネットワークは、ドローンが障害物に接近しているかどうかを予測することが可能になったのだ。

研究者らは自身の成果をYouTubeビデオで解説するとともに、成果は論文としてコードはGitHub上で公開している

この記事を評価

採用ステージ
スタイル

この記事に星をつける

おすすめ度
スタイル

こんにちは

コメントするには InfoQアカウントの登録 または が必要です。InfoQ に登録するとさまざまなことができます。

アカウント登録をしてInfoQをお楽しみください。

あなたの意見をお聞かせください。

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする
コミュニティコメント

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする

ディスカッション

InfoQにログインし新機能を利用する


パスワードを忘れた方はこちらへ

Follow

お気に入りのトピックや著者をフォローする

業界やサイト内で一番重要な見出しを閲覧する

Like

より多いシグナル、より少ないノイズ

お気に入りのトピックと著者を選択して自分のフィードを作る

Notifications

最新情報をすぐ手に入れるようにしよう

通知設定をして、お気に入りコンテンツを見逃さないようにしよう!

BT