Ви ж чули, як багато стартапів намагалися «натренувати» нейромережі для автоматичного розпізнавання цілей та уражень? Тоді б роль людини зводилась до заміни батарей...

Але каменем спотикання стала навігація: щойно сигнал GNSS зникав, більшість БпЛА ставали безпорадними.

Останнім часом навіть CRPA-приймачі не спроможні забезпечити стабільний зв’язок із супутниками. Водночас за допомогою ШІ вдалося вирішити навіть цю нетривіальну проблему. Але як це працює? Існує кілька різновидів оптичної навігації на основі різних моделей ШІ:

• Optical Flow — сенсор оптичного потоку відстежує рух пікселів у відео для оцінки відносної швидкості. Метод обчислювально ефективний і простий у реалізації, але погано працює на великих висотах і в умовах швидкого руху. Також він вибагливий до деталізації поверхні, над якою відбувається рух: білий сніг, водна поверхня у штиль та інші однорідні текстури є найбільш «складними» для оптичного потоку.

• Visual Inertial Odometry (VIO) — візуальна інерційна одометрія поєднує дані з камери та інерційних датчиків для оцінки руху й положення. Забезпечує менший дрейф порівняно з одним лише Optical Flow, проте VIO може мати проблеми з неточністю оцінки масштабу під час ініціалізації, а також є складною у реалізації через необхідність високого ступеня синхронізації інерційних даних.

• Simultaneous Localization and Mapping (SLAM) — метод одночасної локалізації та картування. На основі відеопотоку створюється карта навколишнього середовища в реальному часі, одночасно визначається місцезнаходження дрона. Після виконання місії БпЛА може автономно повернутися до точки старту, але найбільша точність позиціювання забезпечується при проходженні зворотним маршрутом, для якого вже збережені картографічні дані. Метод вимагає значних обчислювальних ресурсів і пам’яті.

• Feature-Based Localization — використовує попередньо завантажену до пам’яті дрона супутникову карту, яка аналізується бортовим обчислювачем для створення «хмари» унікальних орієнтирів. Під час польоту ШІ порівнює зображення з камери з картою, визначаючи абсолютне положення та коригуючи дрейф. Недоліком цього методу є потреба в актуальних і деталізованих супутникових картах, адже навколишнє середовище змінюється під впливом багатьох факторів — природних (зміна сезонів, поява снігу, зникнення листя) чи антропогенних (населений пункт знищено під час бойових дій, але на карті він і досі «існує»).

• Усі ці методи visual-based навігації невразливі до засобів РЕБ, але мають інші обмеження. Наприклад, деякі сенсори погано працюють у темряві, а більш прогресивні методи потребують потужних бортових обчислювачів (наприклад, Nvidia Jetson), які мають відносно великі габарити, масу та енергоспоживання, що унеможливлює їхнє використання на компактних дронах. Також усі чотири методи майже не працюють під час тривалих польотів над відкритим морем.

Втім, існують й інші альтернативні методи автономної навігації із застосуванням ШІ, про які я розповім у наступних матеріалах

Друг Сибіряк