前沿|史上最小!纳米级无人机仅重27克,CNN自主导航,已开源!

2019 年 5 月 30 日 机器人大讲堂

苏黎世联邦理工学院和博洛尼亚大学的研究人员最近发明了一个名叫PULP Dronet的纳米级无人机,仅重27g,可以说是目前重量最轻的无人机。这个微型无人机搭载顶尖的深度学习算法,可以在一个端到端的闭环视觉管道上运行。研究人员将相关研究发表在了《arXiv》上。

 

“苏黎世联邦理工学院和博洛尼亚大学现全面参与一个联合项目:平行超低功率平台(PULP),已经有六年的时间了,”这项研究的参与者Daniele Palossi、Francesco Conti和Luca Benini教授表示:“

 

我们的任务是开发一个开放源代码、高度可扩展的硬件和软件平台,以便在包络功率只有几毫瓦的情况下实现节能计算,例如物联网的传感器节点和微型机器人……例如几十克重的纳米无人机。”



复制昆虫节能机制,小功率实现高性能 


在大型和中等大小的无人机中,可用的功率预算和有效载荷能够利用高端强大的计算设备,如英特尔、英伟达、高通等公司开发的设备。

 

但这些设备对于微型机器人来说不是一个可行的选择,因为微型机器人的尺寸限制来它可以使用的功率。为了克服这些限制,研究小组决定从大自然中,特别是昆虫身上汲取灵感。

  

研究人员解释说:“在自然界中,昆虫等微小的飞行生物能够完成非常复杂的任务,同时在感知环境和思考时只消耗很少的能量。”我们希望利用我们的节能计算技术,从本质上复制这一特性。”



为了复制在昆虫身上所观察到的节能机制,研究人员最初致力于将高端人工智能集成到纳米无人机的超微小包络功率中。事实证明,这非常具有挑战性,因为它们必须满足其能量限制和严格的实时计算要求。研究人员的主要目标是以非常小的功率实现非常高的性能。

  

“我们的视觉导航引擎由硬件和软件组成”研究人员表示:“前者体现在并行的超低功耗模式上,由DroNet卷积神经网络(CNN)所体现。CNN之前是由苏黎世大学机器人与感知小组开发,用于“资源不受约束”的大型无人机,我们用它来满足功耗和性能的需求。”



CNN提供导航,及时刹车避免碰撞 


这个无人机导航系统采用一个摄像头框架,并用最先进的CNN对其进行处理。随后,它决定如何纠正无人机的姿态,使其处于当前场景的中心。同样的CNN也识别出了障碍,如果无人机感觉到迫在眉睫的威胁,就停止它。



“基本上,我们的无人机可以沿着一条街道(或类似的道路,例如走廊)行驶,并在遇到意外障碍时避免碰撞和刹车,”研究人员说:“与以前的口袋飞行机器人相比,我们的系统提供的真正飞跃是,实现自主导航所需的所有操作都是直接在机身上执行的,不需要人工操作人员,也不需要特别的基础设施(比如外部摄像机或信号),尤其是没有任何用于计算的远程基站(比如远程笔记本电脑)。”



在一系列的野外试验中,研究人员证明他们的系统具有高度的响应性,能够防止与飞行速度为1.5 m/s的意外动态障碍物发生碰撞。他们还发现,他们的视觉导航引擎能够在113m的新路径上实现完全自主的室内导航。

 

Palossi和他的同事们进行的这项研究介绍了一种有效的方法,它将前所未有的智能水平与非常严格的功率限制相结合。这本身就让人印象深刻,因为在口袋无人机上实现自主导航非常具有挑战性,而且以前很少实现。

 

“与传统的嵌入式边缘节点相比,这里的计算不仅受到可用能量和功率预算的限制,而且还受到性能限制。”研究人员解释说:“换句话说,如果CNN运行得太慢,无人机将无法及时作出反应来防止碰撞或在恰当的时间转弯。”



微型无人机的即时应用 


Palossi和他的同事开发的微型无人机可以有许多即时应用。例如,一大群PULP无人机可以帮助检查地震后倒塌的建筑物,在更短的时间内到达救援人员无法到达的地方,操作人员就无需冒生命危险了。

 

研究人员表示:“人们从小巧、灵活并智能的计算节点中获益的每一个场景现在都更加接近了,从动物保护到老人/儿童援助,检查农作物和葡萄园,探索危险区域,救援任务等等。我们希望我们的研究能提高每个人的生活质量。”

 

据Palossi和他的同事们的介绍,他们最近的研究仅仅是实现真正的“生物水平”机载智能的第一步,还有几个挑战需要克服。在他们未来的工作中,他们将通过提高机载导航引擎的可靠性和智能性来解决其中的一些挑战,并且瞄准新的传感器、让无人机有更先进的功能和更好的性能。



全部开源,目标是做皮米级的飞行机器人 


研究人员公开发布了他们所有的代码、数据集和训练网络,这也可以激励其他研究团队基于他们的技术开发类似的系统。

 

“从长远来看,我们的目标是做一个皮米级的飞行机器人(几克重、蜻蜓大小),并取得类似于我们现在的成绩,”研究人员补充道:“我们相信,建立一个以我们的愿景为基础的强大而坚实的研究人员和爱好者社区,将是实现这一最终目标的根本。因此,我们将所有代码和硬件设计作为开源提供给每个人。”


来源:techxplore,新智元

END



加入社群

机器人大讲堂Rob社群开始招募啦!如果您正在从事或想要从事机器人行业、想要学习这一方向,都欢迎您加入我们共同探讨机器人前沿科技。


另外,腿足机器人、医疗机器人、工业机器人专业讨论群正在招募中,欢迎各位专业领域的小伙伴加入。


在机器人大讲堂公众号对话框回复“交流群”获取入群方式!

招募作者

机器人大讲堂正在招募兼职内容创作者和专栏作家

请将简历和原创作品投至邮箱:LDjqrdjt@163.com  

我们对职业、所在地等没有要求,欢迎有兴趣有能力的朋友加入!



看累了吗?戳一下“在看”支持我们吧!


登录查看更多
1

相关内容

不需要驾驶员登机驾驶的各式遥控飞行器。
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
MIT公开课-Vivienne Sze教授《深度学习硬件加速器》,86页ppt
微软发布Windows Vision Skills预览版,轻松调用计算机视觉API
微软研究院AI头条
3+阅读 · 2019年6月13日
1500+ FPS!目前最快的CNN人脸检测算法开源
极市平台
25+阅读 · 2019年3月15日
深度学习开发必备开源框架
九章算法
12+阅读 · 2018年5月30日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
【无人机】无人机的自主与智能控制
产业智能官
47+阅读 · 2017年11月27日
Explanatory Graphs for CNNs
Arxiv
4+阅读 · 2018年12月18日
Arxiv
3+阅读 · 2018年6月1日
Arxiv
6+阅读 · 2018年2月6日
VIP会员
相关资讯
微软发布Windows Vision Skills预览版,轻松调用计算机视觉API
微软研究院AI头条
3+阅读 · 2019年6月13日
1500+ FPS!目前最快的CNN人脸检测算法开源
极市平台
25+阅读 · 2019年3月15日
深度学习开发必备开源框架
九章算法
12+阅读 · 2018年5月30日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
【无人机】无人机的自主与智能控制
产业智能官
47+阅读 · 2017年11月27日
Top
微信扫码咨询专知VIP会员