Εταιρείες όπως το Amazon έχουν μεγαλεπήβολα σχέδια για την χρήση ΣμηΕΑ (Drone) που θα μπορούν να παραδώσουν πακέτα στην πόρτα σας. Αλλά ακόμη και εάν καταστεί δυνατόν να ξεπεραστούν τα θεσμικά και νομικά ζητήματα, οι πτήσεις των Drones μέσα από κατοικημένες περιοχές, όπως οι πόλεις είναι πολύ δύσκολη υπόθεση. Η ικανότητά του χειριστή ΣμηΕΑ να αποφύγει τα εμπόδια ενώ πετάει σε υψηλές ταχύτητες είναι πολύπλοκη υπολογιστικά, ειδικά για τα μικρά Drone που έχουν περιορισμένες δυνατότητες μεταφοράς υπολογιστικών συστημάτων ώστε να έχουν την ικανότητα για επεξεργασία σε πραγματικό χρόνο.
Πολλές υπάρχουσες προσεγγίσεις βασίζονται σε πολύπλοκους χάρτες που έχουν στόχο να λένε τα αεροσκάφη ακριβώς όπου είναι τα εμπόδια, κάτι όμως που δεν είναι ιδιαίτερα πρακτικό σε πραγματικό περιβάλλον με απρόβλεπτα αντικείμενα. Εάν η εκτιμώμενη τοποθεσία τους σε σχέση με το εμπόδιο είναι λανθασμένη, ακόμη και με ένα μικρό περιθώριο, μπορούν εύκολα να συγκρουστούν και να καταστραφούν.
Με αυτό το σκεπτικό, μια ομάδα από το Εργαστήριο Υπολογιστών και Τεχνητής Νοημοσύνης (CSAIL) του MIT έχει αναπτύξει το NanoMap, ένα σύστημα που επιτρέπει στα Drone να πετούν συνεχώς με 30Κμ/ώρα μέσα από σύνθετα περιβάλλοντα όπως τα δάση και οι αποθήκες.
Μία από τις βασικές ιδέες του NanoMap είναι απίστευτα απλή: Το σύστημα θεωρεί τη θέση του drone στον κόσμο με την πάροδο του χρόνου ασταθής και στην πραγματικότητα μοντελοποιεί και καταλογίζει αυτήν την αβεβαιότητα.
“Οι υπερβολικά βέβαιοι χάρτες δεν θα σας βοηθήσουν εάν θέλετε drones που μπορούν να λειτουργούν με υψηλότερες ταχύτητες σε ανθρώπινο περιβάλλον”, λέει ο μεταπτυχιακός φοιτητής Pete Florence, επικεφαλής συγγραφέας σε μια νέα σχετική δημοσίευση. “Μια προσέγγιση που γνωρίζει καλύτερα την αβεβαιότητα μας δίνει ένα πολύ υψηλότερο επίπεδο αξιοπιστίας όσον αφορά την ικανότητα να πετάμε κοντά και να αποφεύγουμε εμπόδια”.
Συγκεκριμένα, το NanoMap χρησιμοποιεί ένα σύστημα ανίχνευσης βάθους για τη συσχέτιση μιας σειράς μετρήσεων σχετικά με το άμεσο περιβάλλον του αυτοκινητόδρομου. Αυτό του επιτρέπει όχι μόνο να κάνει σχέδια κίνησης για το σημερινό του οπτικό πεδίο, αλλά και να προβλέψει πώς θα πρέπει να κινηθεί γύρω στα κρυφά πεδία θέασης που έχει ήδη δει.
ΠΗΓΗ:Δελτίο Τύπου ΜΙΤ – Programming drones to fly in the face of uncertainty
Φωτογραφία: MIT drone/ Jonathan How-MIT