We hebben met belangstelling de berichten gelezen die Geoffrey Barrows bij Centeye heeft gepubliceerd over enkele van de uitdagingen van het ontwikkelen van autonome drones . Deze recentere onderstreept hoeveel factoren van invloed zijn op het vermogen van een drone om obstakels te vermijden. Het is duidelijk dat hoe het de wereld ziet een integraal onderdeel is van zijn succes en zoals Geoffrey in maart terecht benadrukte, zijn er echte uitdagingen bij het produceren van de juiste technologie om intelligentie en visie mogelijk te maken, vooral in nano-drones.
Dit komt gedeeltelijk omdat het menselijke ingenieurs zijn die deze uitdaging proberen op te lossen met behulp van traditionele technologische benaderingen. Om ervoor te zorgen dat de drone voldoende informatie kan verwerken om de omgeving eromheen te zien en te voelen, is een standaardbenadering het gebruik van dure GPU's. Om de drone te helpen beslissingen te nemen, is deep learning de de facto standaard geworden voor de meeste autonome robotica- en voertuigprojecten. Zoals de heilzame les van Starsky Robotics laat zien, is leren onder toezicht echter niet alles wat het is. Een drone moeten trainen op een voldoende representatief monster is inefficiënt en kostbaar vanwege de benodigde gegevensverzameling en verwerkingskracht, ongeacht de mogelijke impact op het milieu.
Daarom wijst Geoffrey terecht op de natuur als een veel effectievere bron van oplossingen voor de intelligentie- en visie-uitdagingen van nano-drones. En daarom heeft Opteran zich laten inspireren door ons onderzoek naar insecten en hun gebruik van optische stroom om onze Natural Intelligence-technologie te ontwikkelen. Insecten hebben verschillende vluchtstrategieën ontwikkeld om de wereld om hen heen te begrijpen, met het equivalent van slechts een paar camera's met een lage resolutie. Optische stroom is de sleutel tot hun aanpak, maar zoals we hierboven hebben benadrukt, worstelen de standaard AI-benaderingen van vandaag om de robuustheid en efficiëntie van de natuur te repliceren.
We zijn verheugd te kunnen zeggen dat we ons eerste product, Flow, gepatenteerd hebben, gebaseerd op reverse-engineering van het visuele systeem van de honingbij en het gebruik van optische stroom. Het is zowel veel effectiever als efficiënter in termen van prestaties, energieverbruik en nauwkeurigheid dan bestaande benaderingen. Onze algoritmen kunnen worden ingezet op FPGA of aangepast silicium, tot 10.000 frames per seconde, allemaal voor minder dan een 1/2 watt stroomverbruik. Als gevolg hiervan kunnen we een drone van minder dan 250 g besturen, met volledige autonomie aan boord, met minder dan 10.000 pixels van een enkele panoramische camera met lage resolutie. Ter vergelijking: zelfs een VGA-camera met zeer oude technologie gebruikt bijna 300.000 meer pixels, over een smaller gezichtsveld.
Wat betekent dit voor de toekomst van autonome drones? We zijn van mening dat de prioriteit van vandaag ligt bij het begrijpen en nabootsen van hersenfuncties om machines in staat te stellen praktische taken op te lossen, zoals observeren, vermijden en apporteren. Ons doel is om echte waarde te leveren, die echt commercieel wordt gebruikt. Dus in plaats van abstracte theoretische ideeën te bespreken, zoals kunstmatige algemene intelligentie, geloven we dat de meest directe en opwindende kans is om natuurlijke intelligentie in robotica in te bedden, waardoor machines met meer vertrouwen kunnen zien, voelen, navigeren en zelfs beslissingen nemen. We zijn ervan overtuigd dat dit mogelijk is, omdat onze demovluchten laten zien dat het nu kan. Natuurlijk moet de “brainpower” die we naar nano-drones brengen, worden gecombineerd met verbeteringen op andere gebieden, zoals camerahardware, maar we zijn verheugd dat we de beperkingen van de huidige deep learning-technologie hebben doorbroken, omdat het de potentieel voor commerciële autonome systemen.
James Marshall
CSO en mede-oprichter, Opteran Technologies
