AI and Vision based Autonomous Navigation of Nano-Drones in Partially-Known Environments

要約

センサーとプロセッサの小型化、接続されたエッジインテリジェンスの進歩、および人工知能への指数関数は、ロボットのエコシステムのインターネットにおける自律的なナノサイズのドローンの肯定を後押ししています。
ただし、これらの小さなプラットフォームでの探索や監視などの安全な自律的なナビゲーションと高レベルのタスクを達成することは、リソースが限られているため、非常に困難です。
この作業は、部分的に既知の環境でCrazyFlie 2.1と呼ばれるポケットサイズの30グラムのプラットフォームの安全で自律的な飛行を可能にすることに焦点を当てています。
統合されたセンシング、コンピューティング、通信パラダイムの範囲で障害物回避のための、視覚ベースの新しいリアクティブ計画方法を提案します。
ナビゲーションタスクを2つの部分に分割することにより、ナノドローンの制約に対処します。計画アルゴリズムが搭載されている間、ディープラーニングベースのオブジェクト検出器がエッジで実行されます（外部ハードウェア）。
結果は、ドローンを$ \ sim8 $ frames-secondでコマンドする能力と、$ 60.8 $のココ平均平均前処理に達するモデルパフォーマンスを示しています。
野外実験は、ドローンが$ 1 $ m/sの最高速度で飛行しながら、未知の位置に配置され、ターゲットの目的地に到達する障害から離れて、ドローンが飛んでいるという解決の実現可能性を示しています。
結果は、通信遅延の互換性と、リアルタイムナビゲーションタスクの要件とモデルのパフォーマンスを強調しています。
Nano-Dronesを使用した自律調査に拡張できる、完全にオンボードの実装に代わる実現可能な代替品を提供します。

要約(オリジナル)

The miniaturisation of sensors and processors, the advancements in connected edge intelligence, and the exponential interest in Artificial Intelligence are boosting the affirmation of autonomous nano-size drones in the Internet of Robotic Things ecosystem. However, achieving safe autonomous navigation and high-level tasks such as exploration and surveillance with these tiny platforms is extremely challenging due to their limited resources. This work focuses on enabling the safe and autonomous flight of a pocket-size, 30-gram platform called Crazyflie 2.1 in a partially known environment. We propose a novel AI-aided, vision-based reactive planning method for obstacle avoidance under the ambit of Integrated Sensing, Computing and Communication paradigm. We deal with the constraints of the nano-drone by splitting the navigation task into two parts: a deep learning-based object detector runs on the edge (external hardware) while the planning algorithm is executed onboard. The results show the ability to command the drone at $\sim8$ frames-per-second and a model performance reaching a COCO mean-average-precision of $60.8$. Field experiments demonstrate the feasibility of the solution with the drone flying at a top speed of $1$ m/s while steering away from an obstacle placed in an unknown position and reaching the target destination. The outcome highlights the compatibility of the communication delay and the model performance with the requirements of the real-time navigation task. We provide a feasible alternative to a fully onboard implementation that can be extended to autonomous exploration with nano-drones.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google