Drone’lar için Yapay Zeka Geliştirildi
Zürih Üniversitesi'nde geliştirilen bir navigasyon algoritması, drone’ların zorlu akrobatik manevraları öğrenmesini sağlıyor. Geliştirilen yapay zeka ile otonom quadcopter’ler, hızını, çevikliğini ve verimliliğini artırmak için simülasyonlar kullanılarak eğitilebilir. Bu eğitimle, arama ve kurtarma operasyonlarında drone’ların etkinliği artırılabilir.
26.06.2020 tarihli yazı 6200 kez okunmuştur.
Tipik bir insansız hava aracı olan drone’lar, ağırlığı azaltmak ve manevra kabiliyetini artırmak için hafif kompozit malzemelerden yapılmaktadır. Bu kompozit malzeme mukavemeti, askeri drone’ların son derece yüksek rakımlarda uçmasını sağlar. Drone’lar kontrol yöntemleriyle iki sınıfta incelenebilir: İlki uzaktan kumanda edilerek uçan, diğeri ise kendiliğinden belli bir uçuş planı üzerinden otomatik olarak hareket edebilen hava araçlarıdır. Drone’lar dikey kalkış ve iniş yapabilir, düz çizgileri takip ederek uçabilir. Tüketici, ticari ve askeri İHA drone’ları, kızılötesi kameralar, GPS ve lazer gibi farklı son teknoloji ile donatılmıştır.
Zürih Üniversitesi'ndeki bilim insanları, insansız quadcopter'in etkileyici akrobatik hareketler yapabilmesi ve hızlarını artırmaya yardımcı olabileceğini umdukları, drone’ları eğitebilecekleri yeni bir navigasyon algoritması geliştirdiler.
Zürih Üniversitesi'ndeki bilim insanları, insansız quadcopter'in etkileyici akrobatik hareketler yapabilmesi ve hızlarını artırmaya yardımcı olabileceğini umdukları, drone’ları eğitebilecekleri yeni bir navigasyon algoritması geliştirdiler.
Drone’ların sınırlarını bu şekilde zorlamak onların çeviklik ve hız açısından neler yapabileceklerini gösteriyor. Bu da geliştiricilerin, drone’ların pil ömrü ve kat edebilecekleri mesafeler açısından nasıl kazanımlar elde edebileceklerini anlamalarına yardımcı olabilir.
Bu düşünceyi otonom bir kontrol sistemine uygulamak isteyen Zürih Üniversitesi ekibi, uçuş simülasyon yazılımı ile akrobatik manevralar üzerinde eğitilebilecek yapay bir sinir ağı geliştirdi. Bu yaklaşım, araştırmacıların hava aracına zarar verebilecek fiziksel gösteriler yapmaya gerek kalmadan farklı yörüngeleri, uçuş yollarını ve akrobasiyi kolayca simüle etmelerini sağladı. Ayrıca araştırmacılar, drone’ların dahili sensör verilerinden başka bir şey kullanmadan çeşitli manevraları bağımsız olarak gerçekleştirmelerini sağlayan bir navigasyon algoritması geliştirdiler. Algoritmalarının verimliliğini artırmak için drone’u çok yüksek itme ve aşırı açısal hızlanmaya maruz bıraktılar. Zürih Üniversitesi robotik profesörü Davide Scaramuzza, geliştirilen bu yapay zekayı, drone’ları günlük yaşamımıza entegre etmenin adımlarından biri olarak görüyor.
Peki Bu Algoritmada Simülasyon Eğitimi Nasıl Yapılıyor?
Yeni algoritmanın merkezinde, yerleşik kamera ve sensörlerden gelen girdileri birleştiren ve bu bilgileri doğrudan kontrol komutlarına çeviren yapay bir sinir ağı bulunur. Yapay sinir ağı sadece simüle edilmiş akrobatik manevralar ile eğitilir. Bunun birkaç avantajı vardır: Bunlardan biri, manevralar referans alınarak yörüngelerle kolayca simüle edilebilir. Eğitim, çok sayıda farklı manevraya göre ölçeklendirilebilir. Quadcopter için herhangi bir fiziksel risk oluşturmaz. Sadece birkaç saatlik simülasyon eğitimi yeterlidir ve quadcopter, gerçek veriler kullanarak, ek ince ayar gerektirmeden kullanıma hazırdır. Geliştirciler bu algoritma ile quadcopter’a, en iyi insan pilotlarını bile zorlayacak akrobatik manevraların nasıl yapabileceklerini öğretiyorlar.
Ancak araştırmacılar, pilotların hala drone’lardan daha iyi olduklarını kabul ediyorlar. Çünkü pilotların, beklenmedik durumları öngörebilmeleri, çevredeki değişiklikleri hızlı bir şekilde işleyebilmeleri ve bu değişikliklere daha hızlı uyum sağlamaları gibi avantajlara sahip olduklarını söylüyorlar.
Araştırmacılar, geliştirdikleri algoritma ile drone’ların sadece bir akrobatik hava gösterisinden daha fazlasını sunabileceğini umuyorlar. Ayrıca, uzun mesafe drone’larında daha iyi pil ömrü sağlanabilirse, arama kurtarma operasyonları ve drone teslimat hizmetleri gibi uygulamalar için kullanılabilecekleri anlamına gelebilir.
Kaynak:
►interestingengineering
►newatlas
YORUMLAR
ANKET
-
Dünyanın En Büyük 10 Makinesi
-
2020’nin En İyi 10 Kişisel Robotu
-
Programlamaya Erken Yaşta Başlayan 7 Ünlü Bilgisayar Programcısı
-
Üretimin Geleceğinde Etkili Olacak 10 Beceri
-
Olağan Üstü Tasarıma Sahip 5 Köprü
-
Dünyanın En İyi Bilim ve Teknoloji Müzeleri
-
En İyi 5 Tıbbi Robot
-
Dünyanın En Zengin 10 Mühendisi
-
Üretim için 6 Fabrikasyon İşlemi
-
İlginç Robotlar Serisi
-
Siemens Kaçak Akım Koruma Cihazları | RCD, RCCB
-
Siemens 3WL açık tip güç şalterleri ACB
-
Siemens 7KM PAC3100, 3200, 4200 Ölçüm Cihazları Teknik Özellikler
-
Konvertör için SINAMICS V20 / G120 Smart Access Module 2
-
Kurulum ve bağlantı - SINAMICS V20 / G120 Smart Access Module 1
-
Sigma Elektrik Tanıtım Videosu
-
Kaçak Akım Algılamalı Şalterlere Açtırma Bobini Takılması
-
K400 K630 Tip Şalterlere Açtırma Bobini Takılması
-
Kaçak Akım Algılamalı Şalterlere Yardımcı Kontak Takılması
-
Sigma Elektrik Tanıtım Filmi
Aktif etkinlik bulunmamaktadır.