En un artículo que se publicará en Sistemas no tripulados , un grupo de investigadores ha descubierto que un algoritmo de navegación propuesto por Baddeley et al. es capaz de permitir que los MAV encuentren el camino de regreso a una ubicación visitada anteriormente con bastante rapidez y eficiencia, lo que le permite funcionar de manera más similar a un insecto volador.

Aquí hay un acertijo que un ingeniero de sistemas no tripulados podría preguntarte algún día:¿en qué se parece un microvehículo aéreo (también conocido como MAV) a un insecto volador? Bien, podrías decir en respuesta, tanto los MAV como los insectos voladores deben navegar por entornos complejos desconocidos. Pero el cerebro de un insecto es pequeño y un MAV no puede realizar cálculos pesados ​​y, a menudo, no tiene un buen sistema de sensores. Como resultado, tanto el insecto como el MAV deben confiar en simples, mecanismos de navegación eficientes que no sobrecarguen sus capacidades. Al desarrollar un MAV, Por lo tanto, el desafío es escribir un algoritmo de navegación que funcione bien sin requerir mucha potencia informática.

Uno de esos algoritmos, propuesto por Baddeley et al., utiliza cámaras para determinar si una vista es familiar para un MAV. Si la vista es familiar, el MAV debe haber pasado por ese camino antes. Al evaluar muchos de estos puntos de vista para determinar su familiaridad, el MAV puede determinar la dirección correcta a una ubicación visitada anteriormente. También se utiliza una pequeña red neuronal para almacenar y recapitular una ruta para poder encontrar la ubicación inicial. Baddeley y col. afirman que este algoritmo haría innecesario que el MAV construyera un mapa de su entorno, un proceso que con frecuencia consume mucha energía.

Un equipo de científicos formado por Gerald J. J. van Dalen, Kimberly N. McGuire, y Guido C. H. E. de Croon han puesto a prueba este algoritmo usándolo en entornos más realistas que los creados por Baddeley et al. para sus propios experimentos con el algoritmo. El equipo también probó el algoritmo en diferentes representaciones de imágenes (píxeles sin procesar, colores e información espacialmente invariante) para ver el impacto de diferentes parámetros de imagen. Además, Se probaron dos métodos de representación de vistas para determinar cuál produjo resultados superiores:un conjunto almacenado de representaciones de imágenes (denominado memoria perfecta) o una red neuronal no supervisada (conocida como Infomax). La sensibilidad del algoritmo también se probó durante la rotación y la traslación.

En la condición de rotación, el MAV se hizo para realizar un giro de 360 ​​° en una ubicación fija en el entorno, en pasos de 5 °. Las vistas "vistas" por el MAV durante este ejercicio se comparan con una imagen almacenada previamente extraída de esa ubicación. La hipótesis del equipo es que la familiaridad debería mejorar a medida que la vista actual comience a parecerse a la imagen almacenada.

En la condición de traducción, el MAV se hizo para moverse desde un punto dado a lo largo de un camino dado hacia una ubicación en el medio ambiente. De nuevo, las vistas "vistas" por el MAV durante este ejercicio se comparan con una imagen almacenada previamente extraída de esa ubicación. La hipótesis del equipo es que la familiaridad debería mejorar a medida que se reduzca la distancia entre el MAV y la vista en la imagen almacenada. Para probar la sensibilidad del algoritmo, el equipo ha experimentado con el aumento de la distancia entre el MAV y la vista en la imagen almacenada, así como incrementar el ángulo de rumbo en el que el MAV se acerca a dicha vista.

Los resultados de este estudio sugieren que el algoritmo es prometedor. Cuando se prueba, los MAV funcionaron bien de varias maneras:pudieron encontrar con precisión el camino de regreso a una ubicación visitada anteriormente, podrían hacerlo con bastante rapidez, y no utilizaron mucha potencia informática para lograrlo. Esto tiene implicaciones emocionantes. Como este algoritmo es computacionalmente eficiente, Probablemente podría aplicarse a la mayoría de los MAV para darles capacidades de búsqueda. Podrías enviar tus MAV para recopilar datos, seguros de saber que dondequiera que vayan, podrán volver directamente a usted después.

El artículo en cuestión se publicará en el próximo número de Sistemas no tripulados .