Un dron puede perder la navegación por satélite en montañas, "zonas grises", cuando la señal es suprimida o en modo de silencio de radio. En tales condiciones, pierde su punto de referencia habitual. En MIPT, resolvieron el problema y crearon el sistema "Fasetka", que ayuda al dispositivo a entender dónde se encuentra, incluso sin GPS y GLONASS: observa el terreno, reconoce objetos estables y los compara con un mapa precargado.
El desarrollo fue creado en el Centro Científico y Técnico de Robótica y Tecnologías Informáticas de MIPT con el apoyo de la Fundación NTI. El sistema está diseñado para operar donde la navegación por satélite convencional no está disponible o no es confiable: en zonas de desastres naturales, accidentes tecnológicos, para el monitoreo de tuberías, así como para tareas especiales en condiciones de silencio de radio.
Las pruebas en un helicóptero y drones confirmaron que a una altitud de 1000 metros, la precisión de navegación puede alcanzar los 6 metros.
Los métodos convencionales de orientación visual también tienen limitaciones. Un dron puede usar mapas preestablecidos, pero el paisaje cambia: en invierno, la nieve cubre los contornos habituales, de noche y con mal tiempo muchos sistemas funcionan peor, y la toma en ángulo complica mucho el reconocimiento. "Fasetka" resuelve estos problemas.
El dispositivo recopila diferentes tipos de datos sobre el terreno y busca objetos que apenas cambian con el tiempo: carreteras, edificios, cauces de ríos, torres de líneas eléctricas. Por ejemplo, el contorno térmico de un edificio puede conservarse en invierno, y una imagen de radar ayuda a ver la estructura grande de un bosque independientemente del follaje. Luego, estas características se comparan con un mapa satelital de referencia cargado en la memoria, como Google o Yandex Maps.
Otra característica importante es el trabajo en ángulo. La navegación visual clásica generalmente requiere que la cámara mire estrictamente hacia abajo. "Fasetka" permite una desviación de hasta 45 grados de la vertical. Esto se logró entrenando la red neuronal con ángulos sintetizados y utilizando modelos generativos.
Leer más sobre este tema:
- Drones de reconocimiento ZALA Z-16 modernizados: la eficiencia aumentó varias veces
- El doble de inteligentes: los drones "Svod" obtuvieron visión artificial e inteligencia artificial
- En la Universidad Estatal de Aviación de Kazán (KAI) se crearon algoritmos para la navegación autónoma de drones sin GPS