Приемники системы GPS и других систем спутниковой навигации являются сейчас практически обязательным атрибутом для роботов, предназначенным для действий на открытой местности. Но известно, что всегда существуют области пространства, где спутниковые навигационные системы не работают, это лес, городская среда с плотной застройкой, туннели и многие другие места. Поэтому исследователи из известной компании Nvidia разработали свой вариант навигационной системы, которая полагается на камеры и компьютер с системой искусственного интеллекта, на базе которой реализована функция распознавания и восприятия визуальной информации.

В качестве беспилотника специалисты Nvidia использовали один из серийно выпускаемых аппаратов профессионального класса. На этот беспилотник был установлены две дополнительные камеры и модуль Jetson TX1, в котором на аппаратно-программном уровне реализованы функции технологий глубинного машинного изучения. Вполне понятно, что потоки данных с обеих камер являются потоками входных данных для системы искусственного интеллекта.

Данная система разрабатывалась изначально для того, чтобы беспилотные летательные аппараты имели возможность самостоятельно ориентироваться, прокладывать маршрут и перемещаться в условиях густого леса во время выполнения спасательных операций или при оценке ущерба, нанесенного лесным насаждениям во время стихийных бедствий. Но разработанные для этого принципы управления работают так же хорошо и в других условиях, там, где нельзя рассчитывать на нормальную работу системы GPS, включая каньоны, городскую среду или внутри помещений. С небольшими изменениями данная система также может быть использована и для ориентации под водой.

«Визуальная система будет работать там, где не работает ни GPS, ни другие навигационные системы» — рассказывает Николай Смолянский, руководитель группы разработчиков, — «Все, в чем нуждается эта система — в визуально распознаваемых ориентирах».

В состав навигационной системы беспилотника включены функции предотвращения столкновений с препятствиями. Помимо этого, она прошла обучение передвижению аппарата над железнодорожными путями и над автомобильными дорогами. Помимо беспилотного летательного аппарата, такая же точно система может быть установлена на колесном или гусеничном роботе, который сможет после этого самостоятельно передвигаться даже по самой сложной местности.

Лес в качестве испытательного полигона был выбран не случайно. Лесная окружающая среда является одной из самых трудных для систем автоматического управления и ориентирования. Деревья в лесу бывают совершенно различных типов и размеров, разные участки леса имеют кардинально противоположные условия освещения, в лесу обычно очень мало надежных ориентиров, при помощи которых можно осуществить привязку к местности. И если автоматическая система научится ориентироваться в лесу, то ориентирование в любом другом виде окружающей среды станет для нее «детской задачей».

Обучение нейронной сети TrailNet, расположенной внутри модуля Jetson TX1, производилось на потоках видео-данных, снятых при помощи камер GoPro в лесной среде различного типа, начиная от лесов американского Северо-Запада и заканчивая лесами на склонах швейцарских Альп. Общая дальность пути, заснятого на камеру, составила около 13 километров. И после такого «курса» обучения система сумела провести беспилотник по лесу, преодолев расстояние в 1 километра, ни разу не сбившись с пути и не столкнувшись с препятствием.

Конечной целью данных исследований является создание законченной системы визуального управления роботом или летательным аппаратом, которой требуется ввести только координаты конечной точки, а все остальное должна сделать система самостоятельно в автоматическом режиме. Но и у промежуточных вариантов, которые будут разработаны во время достижения конечной цели, уже имеются области практического применения.