Ai သည်မောင်းသူမဲ့လေယာဉ်များကိုမြေပုံများသို့မဟုတ်အာရုံခံကိရိယာများမပါဘဲပျံသန်းနိုင်သည်

ရှန်ဟိုင်း Jiao Tong တက္ကသိုလ်မှသုတေသီများကသုတေသီများသည်မောင်းသူမဲ့လေယာဉ်များကိုသူတို့ကိုယ်ပိုင်နေရာများသို့ပြောင်းရွှေ့ရန်မလိုဘဲလမ်းများသို့သွားရန်နည်းလမ်းသစ်များတီထွင်ခဲ့သည်။ဤချဉ်းကပ်မှုသည်အင်းဆက်ပိုးမွှားလှုပ်ရှားမှုများမှဆွဲယူပြီးအခြေခံရူပဗေဒဆိုင်ရာအခြေခံမူများနှင့်နက်နက်ရှိုင်းရှိုင်းသင်ယူမှုကိုပေါင်းစပ်ကာရေခဲပြင်သို့မဟုတ်ပြင်ပထိန်းချုပ်မှုမပါဘဲမောင်းသူမဲ့လေယာဉ်များကိုနေရာများဖြင့်ပြောင်းရွှေ့ခြင်း။

အဆိုပြုထားသောစနစ်သည်အာရုံခံကိရိယာအချက်အလက်များကိုယူပြီး RAW Sensor Data ကိုယူပြီးထိန်းချုပ်မှုအချက်ပြမှုများကိုတိုက်ရိုက်ပေးသည့်အဆုံးမှအဆုံးသတ်မည့်အာရုံကြောကွန်ယက်ကိုအသုံးပြုသည်။ဤဒီဇိုင်းသည်အင်းဆက်ပိုးများသည်မြေပုံရေးဆွဲခြင်းမပြုဘဲအာရုံကြောများနှင့်မသုံးပါ။


System သည် 12 × 16 × 16 အနက်မြေပုံပေါ်တွင်အလုပ်လုပ်နေပြီးရေကြောင်းသွားလာမှုကိုစီမံသည်။resolution သည်နိမ့်ကျသော်လည်း Data သည်မောင်းသူမဲ့လေယာဉ်များကိုရွေ့လျားစေပြီးအတားအဆီးများကိုရှောင်ရှားရန်အန်းအတွက်အလုံအလောက်ပေးသည်။ကွဲပြားခြားနားသောပတ်ဝန်းကျင်ကိုဖန်တီးရန်ရိုးရှင်းသောပုံစံများကို အသုံးပြု. လေ့ကျင့်ရေးကို Simulator တွင်ပြုလုပ်ခဲ့သည်။ရူပဗေဒအင်ဂျင်သည်လေ့ကျင့်ရေးကွင်းဆက်၏အစိတ်အပိုင်းတစ်ခုဖြစ်သည်။အခြားမောင်းသူမဲ့လေယာဉ်များကိုရွေ့လျားနေသောအတားအဆီးများအဖြစ်ကုသခဲ့သည်။

စနစ်၏တစ်ခု၏အစွမ်းသတ္တိသည်၎င်း၏ဖွဲ့စည်းပုံမှာဖြစ်သည်။၎င်းသည် converolutional layers သုံးခုကို အသုံးပြု. ဒေါ်လာ 21 ကွန်ပျူတာဖြင့်လည်ပတ်သည်။လေ့ကျင့်ရေးသည် GPU တွင်နှစ်နာရီကြာသည်။မော်ဒယ်သည်မောင်းသူမဲ့လေယာဉ်များအကြားစီမံကိန်းရေးဆွဲခြင်းသို့မဟုတ်ဆက်သွယ်ခြင်းမရှိဘဲ swarm လမ်းညွှန်များကိုထောက်ခံသည်။

အစောပိုင်းနက်ရှိုင်းသောသင်ယူမှုပုံစံများသည်ဒေတာများကိုတံဆိပ်ကပ်ထားသောအချက်အလက်များကိုလိုအပ်ပြီးဓာတ်ခွဲခန်းချိန်ညှိချက်များအပြင်ဘက်တွင်မအောင်မြင်ပါ။ဤချဉ်းကပ်မှုတွင်မောင်းသူမဲ့လေယာဉ်၏ရူပဗေဒစံနမူနာ,

သုတေသီများကအသေးစားမော်ဒယ်များသည်ကြီးမားသောဒေတာအစုများပေါ်တွင်လေ့ကျင့်ထားသောမော်ဒယ်များနှင့်ကိုက်ညီခြင်းသို့မဟုတ်အနိုင်ယူနိုင်သည်။ဤမေးခွန်းများသည်အချက်အလက်များပိုမိုကောင်းမွန်လာသည်ဟူသောအယူအဆဖြစ်သည်။ယင်းအစားရုပ်ပိုင်းဆိုင်ရာဗဟုသုတနှင့်ကောင်းစွာလိုက်ဖက်သည့်လေ့ကျင့်ရေးအခြေအနေများကိုအသုံးပြုခြင်းသည်ပိုမိုကောင်းမွန်လာနိုင်သည်။

2 MB အရ 2 MB အရဖြင့်ပြုလုပ်ထားသောအတုအာရုံကြောကွန်ယက် (အန်း) သည် drinh input ကို အသုံးပြု. မောင်းသူမဲ့လေယာဉ်များကို 20 MB / s ကိုပျံသန်းနိုင်သည်။ဤအချက်ကဒြပ်ထု၏ခိုင်မာသောအတွင်းပိုင်းမော်ဒယ်များသည်အသေးစိတ်အာရုံခံကိရိယာများထက် ပို. အသုံးဝင်သည်ကိုပြသည်။

Simulation တွင်လေ့ကျင့်သင်ကြားထားသော်လည်းစနစ်သည်အထွေထွေယေဘူယျအားဖြင့်ပြသခဲ့သည်။GPS - ကန့်သတ်နယ်ပယ်များတွင်မောင်းသူမဲ့လေယာဉ်ပြိုင်ပွဲ, ရိုက်ကူးခြင်း, ဂိုဒေါင်စစ်ဆေးခြင်းနှင့်ရှာဖွေခြင်းနှင့်ကယ်ဆယ်ရေးလုပ်ငန်းများကဲ့သို့သောလုပ်ငန်းများကိုအထောက်အကူပြုနိုင်သည်။လေ့လာမှုအရရူပဗေဒနှင့်လေ့ကျင့်သင်ကြားထားသည့်အာရုံကြောကွန်ယက်များသည်ရိုးရှင်းသောအာရုံကြောကွန်ယက်များသည်ဒုန်၏ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ကိုပိုမိုထောက်ပံ့နိုင်ကြောင်းပြသသည်။