UAV
Az utóbbi években jelentősen nőtt az autonóm repülő járműveket övező érdeklődés (unmanned aerial vehicles - UAV). Ez különösen igaz a speciális automatizált operációkra: termékek szállítása, felderítés, különleges létesítmények felügyelete (erőművek indikátorai, vezetékek, feszültségek), intelligens mezőgazdaság vagy arcfelismeréses személykeresés, nem is beszélve a katonai alkalmazásokról. Egy érdekes alkalmazási terület a drónverseny is, ami alatt a járműnek végig kell repülni egy kapuk által behatárolt speciális alakú és színekkel jelölt pályán a lehető legrövidebb idő alatt. Ezen alkalmazási terület népszerűségét mutatja az utóbbi években megrendezett versenyek: AlphaPilot (2019), Lockheed Martin AI Drone Racing (2019), IROS Autonomous Drone Racing (2016-2019) vagy a Game of Drones: A NeurIPS Competition (2019). Az első két esetben, a verseny valós környezetben zajlott, míg az utolsó virtuálisan, szimulátor használatával. Az említett versenyeken résztvevő csapatok többsége komplex irányítási algoritmusokra alapozta a megoldásukat. Nem csak vizuális információt hasznosítottak, de más szenzorok adatait is fuzionálták, mint például az IMU-t (Intertial Measurement Unit, magyarul: Inerciális Mérőegység).
Tudni kell viszont, hogy a versenyeztetésnek önmagában nincsen gazdasági haszna, sokkal inkább egy tudományos és mérnöki kihívásként, buliként lehet értelmezni, habár a kifejlesztett és ily módon megmérettetett „víziók”, útvonal generálások és realizációs módszerek nagyon hasznosak gazdasági, katonai iparágakban, mint például az űrtechnikában és számtalan egyéb automatizációt célzó törekvésben, ahol az emberi tényező kiiktatása szükséges vagy előnyös.
Algoritmusok
Lengyel egyetemisták egy csoportja közzétett egy jelentést, amiben egy egyszerű, de hatékony algoritmust prezentálnak, ami egy drón zárt térben, kapukkal kijelölt zárt pályán történő végighaladását szolgálja. A céljuk egy olyan architektúra elkészítése volt, ami egy jó kiindulási alap lehet a repülő drónok iránt érdeklődő kutatóknak. Ehhez a DJI Tello EDU drónt használták, ami egy relatíve olcsó és biztonságos modell, ami manuálisan is irányítható, de automatizáltan is egy „földi állomáson” futtatott szoftver segítségével, mint egy egyszerű laptop, vagy, mint ebben az esetben, egy Nvidia Jetson fejlesztőtábla. A legfőbb hátránya ennek az irányítási metódusnak, hogy csak a (vx, vy, vz, wz) sebességvektorok irányíthatók, míg más drónok esetén közvetlenül lehet kontrollálni a forgást, magasságot és irányváltás szögét. Ezen vektorok beállítása és működtetése, ami betáplálhatóvá teszi a kívánt sebességvektort, kizárólag a gyártó kompetenciája és nem a felhasználóé.
AlphaPilot
A lengyel csapat két új kontroll stratégiát fejlesztett ki az automatizált drón versenyekhez, de kifejezetten az AlphaPilot versenyre. Mindkettő esetén kizárólag vizuális visszajelzések alapján történik a röppálya generálása. Az említett algoritmusok egy hétköznapi PC-re lettek feltöltve egy integrált GPU-val. A második kísérlet eredménye megmutatta, hogy a számításokat online is el lehet végezni a drónon anélkül, hogy a földi állomással kommunikálni kellene. Minden kifejlesztett kód elérhető a csapat GitHub adattárán későbbi felhasználásra, továbbfejlesztésre (www.github.com/vision-agh/).
A szakirodalomban felsorakoztatott algoritmusok többsége, - amik az autonóm drónok kapukon történő átröptetését célozzák, - két kategóriába oszthatók. Az egyik a kapuk detektálását szolgálja vizuális visszajelzések alapján. A második csoport a drón irányítására vonatkozik. A kamerából és más szenzorokból nyert adatok fúziója (pl. IMU) is gyakran ezt a célt szolgálja.