Редактор BORDER 
Реальные дорожные ситуации как тренинг для способных к обучению дронов KI.
Автомобили и велосипеды становятся примерами для подражания: исследователи разработали для беспилотных летательных аппаратов программное обеспечение, которое учит их справляться с городским трафиком. Алгоритм программы обучает правилам дорожного движения и типичным ситуациям на реальных примерах — действиях велосипедистов и водителей автомобилей. На основе полученной информации дроны смогут самостоятельно перемещаться без угрозы столкновения даже в оживлённых городах с узкими улицами.
Дроны давно уже стали неоценимыми помощниками человека: они обнаруживают жертв землетрясения или наземных мин, изображают на картах повреждённые вредителями территории, проверяют целостность ограждений или трубопроводов и даже доставляют товары. До недавних пор большинство дронов управлялись с помощью GPS и уже частично могли автономно сохранять курс – это им прекрасно удавалось на открытых ландшафтах или больших высотах.
Дроны в центре города
Ожидается, что в будущем в наших городах будут летать беспилотные летательные аппараты — например, в качестве перевозчиков небольших грузов. Но это создаст дополнительные сложности: дроны должны будут самостоятельно перемещаться между высокими зданиями по тесным, заполненным транспортом улицам. Кроме того, при приземлении и вылете существует риск столкновения с грузовиком, велосипедом или пешеходом.
До сих пор коммерческие дроны были не в состоянии быстро реагировать на такие непредвиденные события. Однако, Давид Скарамузза и его команда из Цюрихского университета разработали программное обеспечение, которое самостоятельно учится безопасно перемещаться по улицам. Благодаря ему беспилотники вскоре смогут доставить посылку в центр города или поддержать спасательные миссии без риска столкнуться с чем-либо.
Велосипеды и автомобили в качестве примера
Ядром системы «DroNet» является нейронная сеть – способный к обучению искусственный интеллект. «Этот компьютерный алгоритм учится решать сложные задачи с помощью многочисленных примеров. Он показывает беспилотнику, как можно выполнить определённые задания и выйти из сложных ситуаций», — объясняет Скарамузза. «Это подобно обучению детей родителями или учителями».
Для обучения дронов исследователи организовали движение автомобилей и велосипедов, они перемещались в искусственно созданных городских условиях и соблюдали правила дорожного движения. На их примере дроны научились не только правилам движения, но и изучили повседневные ситуации на дороге — от сохранения стабильной скорости до принятия решения об остановке или объезде препятствия, например, пешехода или строительной площадки.
Дронам достаточно обычной камеры
«DroNet обнаруживает статические, а также динамические препятствия и снижает скорость во избежание столкновений», — объясняет Скарамузза.
При этом дрон ориентируется не с помощью сложных сенсоров, а использует обычную камеру смартфона. Каждое полученное изображение оценивается алгоритмом по двум параметрам. Первый – это навигация и направление полёта, а второй — распознавание рисков столкновения.
«Благодаря этому алгоритму мы стали на шаг ближе к нашей цели – интеграции самостоятельных беспилотников в повседневную жизнь», — говорит учёный. С помощью «подсматривания» за велосипедами и автомобилями дроны смогут не только уверенно и безопасно перемещаться по улицам, но и находить правильный путь на неизвестных ранее местностях, например, в гаражах или офисных зданиях.
По мнению исследователей, созданный ими обучаемый алгоритм позволит дронам стать частью нашего быта. Но команда предупреждает, что пока не стоит ожидать слишком многого: «Прежде чем это амбициозное приложение станет частью реальности, нужно решить многие технологические проблемы», — объясняет Антонио Локверсио.
