Los días de golpear un molesto dron con una roca lanzada con precisión podrían terminar pronto.
Investigadores de la Universidad de Zúrich han actualizado un dron con una cámara especial que puede detectar rápidamente los obstáculos que se aproximan, lo que permite que la nave los evite con tiempos de reacción tan rápidos como 3.5 milisegundos.
Incluso los drones controlados por un piloto experto pueden beneficiarse de un sistema para evitar obstáculos, que le permite a la nave estar atenta a los obstáculos en su trayectoria de vuelo y evitar automáticamente un choque en caso de que un piloto no vea un peligro o no reaccione rápido para esquivarlo.
Dichos sistemas son completamente cruciales para los drones construidos para volar de manera autónoma, ya sea para el reconocimiento en áreas peligrosas después de un desastre natural, o para compañías como UPS que entregan productos a los consumidores y han estado desarrollando drones voladores como una alternativa a los vehículos de entrega de cuatro ruedas.
Esos grandes camiones UPS marrones son impermeables a las gaviotas que se desvían del rumbo, pero un avión no tripulado cargado fácilmente sería derribado del cielo por tal colisión.
Las cámaras y las tecnologías de procesamiento de imágenes que los drones autónomos utilizan actualmente para detectar obstáculos permiten tiempos de reacción en cualquier lugar de 20 a 40 milisegundos, según los investigadores de la UZH.
Eso es rápido, pero cuando se tiene en cuenta la velocidad del dron en sí (algunos pueden volar a más de 240 kilómetros por hora) muchos obstáculos, como un pájaro, otro dron o incluso un objeto estático, 20 milisegundos no son suficientes para evitar una colisión
Para mejorar los tiempos de reacción, los investigadores equiparon un dron con lo que se conoce como una cámara de eventos.
Su cámara de video típica se basa en un sensor que expone todos sus pixeles al mismo tiempo antes de enviarlos para su procesamiento.
Los objetos solo pueden detectarse mediante algoritmos una vez que se ha analizado un cuadro completo, y a menudo múltiples cuadros.
Eso es lo que contribuye a los retrasos en los tiempos de reacción.
Una cámara de eventos, en comparación, tiene pixeles que son individualmente “inteligentes” y solo transmiten datos para ser procesados cuando se detecta un cambio en lo que están viendo.
Si no ven nada nuevo, permanecen en silencio, permitiendo que los algoritmos y procesadores concentren sus esfuerzos en pixeles que han detectado un obstáculo que se aproxima, lo que acelera todo el proceso.
Los investigadores de la UZH desarrollaron sus propios algoritmos personalizados que son capaces de reconocer las amenazas detectadas por la cámara de eventos después de muestrear imágenes de muy poco tiempo, teniendo en cuenta la velocidad y la dirección del propio dron.
Los resultados son tiempos de reacción reducidos a solo 3.5 milisegundos, lo que hace que un dron sea mucho más efectivo para esquivar un obstáculo que se mueve rápidamente.
Es una mejora, pero aún no es perfecta.
A partir de sus pruebas, los investigadores encontraron que un dron equipado con el nuevo sistema de visión podría esquivar una pelota grande lanzada desde tres metros de distancia a una velocidad de aproximadamente 35 kilómetros por hora más del 90 por ciento del tiempo.
Conocer el tamaño del objeto entrante con anticipación ayudó a mejorar los resultados, pero en el campo un par de cámaras de eventos en el dron, que generan imágenes estereoscópicas, podría permitirle a la nave calcular el tamaño de una amenaza por sí sola.
Todavía no se pueden usar para esquivar balas, pero las mejoras actuales en los tiempos de reacción permitirán que los drones autónomos vuelen 10 veces más rápido de lo que pueden hacerlo ahora.
Fuente: Gizmodo
Uno de los pocos inconvenientes de la energía solar es, desde luego, la limitada capacidad…
El algoritmo se entrena en la biblioteca interna de la empresa y no en los…
Microsoft está apostando fuerte por la energía nuclear para impulsar sus modelos de inteligencia artificial,…
El Tesla Optimus Gen 2 es más rápido, menos pesado y tiene un mejor control…
Los investigadores de Redmond lanzaron un modelo de lenguaje pequeño entrenado con datos de calidad.…
La Universidad Tecnológica de Sídney desarrolló un sistema que permite traducir ondas cerebrales en oraciones.…