Autonomous Drone navigation
- 이미 지정된 길을 따라 간다
- IMU와 GPS를 통해서 정보를 얻는다
- drone이 스스로 path랑 drift의 correction을 하면서 closed loop control system을 만들어서 다양한 변수들을 제어하고 사람 없이도 찾아갈 수 있도록 한다
PRobelm
- Weakness of GPS
GPS는 드론의 위치를 지역화 한다
근데 GPS가 malicius attackers에 당할 수 있다.
그래서 이런 error가 발생해서 정확성이 떨어진다
Proposed System
- 자동으로 path를 따라가는데, 드론에 달린 mnocular camera를 통해 visual information을 얻는다
Visaul dataset은 deep CNN을 통해서 학습되서 steering 명령을 수행한다.
waypoints : drone path following problem
Approach
: Methodology
Yaw calculation
: 다음 waypoint와 drone이 향하는 방향의 angle
Training environment
- Adam
- Simulation
: Flight path augmentation
- only simulator-generated optimal path로만 학습한다
- flight path augmentation과 uxililry path로 optimal path찾는 문제를 해결해본다
: Dataset
block and landscape simulator로 환경조성
- 산, 나무, 빙하를 구성
: Traning
network는 어떤 path를 선택해야 하는지, yaw가 얼마만큼 필요한지를 학습해서 다음 waypoint로 향해간다
Experiment & Results
: Evaluation Metrics
Mean waypoints minimum distance
작을수록 좋다. waypoint가 가까울 수록 정확도가 높아진다.
Mean cross track distance
Results
FCNN과 GRU를 비교한다.
nosie를 test하는 동안 첨부해서 FCNN이 GRU보다 distance, waypoint meter가 더 길고, cross track distance가 더 작아서 성공했다.
Self-driving car navigation - RNN이 보통 좋은 결과를 준다.
road의 특징을 넣었을 때 recurrent information이 중요하게 작용한다.
확실하게 따라가야할 visual track이 없다.
Conclusion
system은
- 선호되는 길로 가는 자동적인 가이드
- 기존의 GPS와 비교해서 더 높아진 정확도
- GPS-spoofing 효과가 높다
어디에 쓰이나?
- drone delivery
- air taxis
- environmental and desertification monitoring
'AI Engineering Topic > 논문 리뷰' 카테고리의 다른 글
| RAG 논문 리뷰 (0) | 2023.11.07 |
|---|---|
| PoseCNN : A convolutional nerual network for 6D object pose estimation in cluttered scenes (0) | 2022.04.22 |
| Learning Synergies between pushing and with Self-supervised Deep Reinforcement learning (0) | 2022.04.22 |
| DOVE : Data offloading through Spatio-temporal Rendezvous in Vehicular Network (0) | 2022.04.20 |
| SAINT : Selp adaptive Interactive Navigation 논문리뷰 (0) | 2022.04.20 |