چکیده:
هرساله هزاران نفر در کوه و جنگل گم میشوند و اگر شما پیش از این تجربه گم شدن در جنگل را داشته باشید، حتماً میدانید که میتواند یکی از ترسناکترین اتفاقات به حساب آید. اکنون دانشمندان در حال طراحی نوعی هواپیمای کنترلی جهت دنبال کردن آثار و نشانههای گردشگران گمشده در جنگل هستند و به زودی جهت کمک به یافتن گردشگران گمشده مورد استفاده قرار میگیرند.
تعداد کلمات: 1025 / تخمین زمان مطالعه: 5 دقیقه
هرساله هزاران نفر در کوه و جنگل گم میشوند و اگر شما پیش از این تجربه گم شدن در جنگل را داشته باشید، حتماً میدانید که میتواند یکی از ترسناکترین اتفاقات به حساب آید. اکنون دانشمندان در حال طراحی نوعی هواپیمای کنترلی جهت دنبال کردن آثار و نشانههای گردشگران گمشده در جنگل هستند و به زودی جهت کمک به یافتن گردشگران گمشده مورد استفاده قرار میگیرند.
تعداد کلمات: 1025 / تخمین زمان مطالعه: 5 دقیقه
مترجم: رزیتا ملکیزاده
هر ساله تعدادی از گردشگران و کسانی که به پیاده روی و دوچرخه سواری در جنگل و کوهستان میروند در این طبیعت بکر گم شده یا مجروح میشوند. تیم امداد و نجات میتواند 20 نفر یا تعداد بیشتری را دربرگیرد. اما یک هواپیمای کنترلی یا پهباد «هوشمند» میتواند مسیر حرکت گردشگران را بدون نیاز به خلبان شناسایی کند. بنا به گفته دانشمندان، این امر میتواند به امدادگران کمک کرده به طور کارآمدتری به جستجو بپردازند.
این تیم سوئیسی قصد داشتند هواپیمایی را طراحی کنند که بتواند بدون نیاز به کنترل از راه دور، مسیر عبور گردشگران گمشده را جستجو و پیدا کند.در ایالات متحده به تنهایی هر ساله 34 میلیون گردشگر به کوه و جنگل رفته و بعضی از آنها راه خود را گم میکنند. ارتش کوچکی از امدادگران به منظور یافتن آنها با پای پیاده و گاهی اوقات از طریق هوایی جنگل را جستجو میکنند. گروهی از دانشمندان در سوئیس بر این عقیده بودند که این تلاشهای امداد گرایانه شاید بهتر میبود که توسط یک پهباد یعنی هواپیمای بدون خلبان مدیریت شود. اکثر این پهبادها کنترل از راه دور هستند. اما این تیم سوئیسی قصد داشتند هواپیمایی را طراحی کنند که بتواند بدون نیاز به کنترل از راه دور، مسیر عبور گردشگران گمشده را جستجو و پیدا کند.
دانشمندان کار خود را با پیاده سازی یک شبکه عصبی شروع کردند. این شبکه عصبی یک برنامه کامپیوتری است که بسیار شبیه به مغز عمل میکند. یک شبکه عصبی میتواند اشیاء را شناسایی کرده و به نحوی خاص به آنها پاسخ دهد. محققان در این مورد قصد داشتند این شبکه را به گونهای طراحی کنند که قادر به تشخیص مسیر عبوری گردشگران و دنبال کردن آن در جنگل باشد.
این پهباد مجهز به دوربین قادر است به هرجایی پرواز کند. در اینجا، خلبان یا فرد هدایت کننده آن در حال تمرین جهت کنترل این وسیله در باد شدید است.
الساندرو گویستی (Alessandro Giusti) که مهندس در رشته کامپیوتر ویژن یا دید کامپیوتری (computer vision) از مؤسسه هوش مصنوعی دال مول در سوئیس و سرپرست گروه تحقیقاتی است، عنوان میکند که برای این کار، پهباد بایستی دو کار را انجام دهد. نخست اینکه بایستی مسیر عبوری و آثار برجای مانده از فرد گمشده را شناسایی کند سپس لازم است همانطور که چرخیده و در اطراف درختان و سایر موانع حرکت میکند، به گونهای واکنش مناسب نشان دهد، به طوریکه در مسیر باقی بماند.
پهباد به یک «مغز» جهت درک آنچه میبیند نیز نیاز دارد.
این تیم هواپیمای بدون سرنشین خود را به یک دوربین مجهز کرد. این دوربین به مثابه «چشم» پهباد عمل کرده و در جهت حرکت آن مسیر مقابل را نشان میدهد. اما تنها داشتن یک چشم کافی نبود. پهباد به یک «مغز» جهت درک آنچه میبیند نیز نیاز داشت. و این مغز باید آنچه که یک ردپا یا اثر از آن تشکیل شده یعنی نوع مسیری که گردشگر به احتمال زیاد دنبال میکند را تشخیص دهد. گویستی خاطر نشان میکند که با این وجود تفسیر تصاویر بدست آمده از دوربین میتواند برای یک کامپیوتر کار بسیار دشواری باشد. بنابراین او و تیمش از تصاویر مسیرهای جنگلی استفاده کرده تا شبکه عصبی پهباد خود را برنامه ریزی و آماده سازند.
آنها سه عدد دوربین گوپرو (GoPro) را به یک هدبند وصل کردند. یکی از دوربینها مسیر مستقیم را نشان میداد و دو دوربین دیگر در مسیر 30 درجه به راست و چپ از مرکز تنظیم شده بودند. گردشگری آن را به خود وصل کرده و به سوی منطقهای جنگلی واقع در سوئیس به راه افتاد. او مراقب بود که سر خود را در مسیر پیاده روی نگاه دارد. در طول چند هفته، دوربینها در مجموع 8 ساعت فیلمبرداری کردند که این مدت زمان حدود 7 کیلومتر از مسیر را پوشش میداد.
محققان سپس این ویدئو را به تصاویر ثابت مجزا تقسیم کردند. بیش از 17000 مورد از این تصاویر به منظور برنامه ریزی شبکه عصبی پهباد مورد استفاده قرار گرفتند. این شبکه آموخت که بتواند تشخیص دهد که یک مسیر جنگلی به چه چیز شباهت داشته و نیز اینکه این راه جنگلی چه زمانی تغییر جهت داده و به سمت راست یا چپ میپیچید.
سپس این تیم طرح خود را به وسیله فریمهای استفاده نشده از ویدئو مورد آزمایش قرار دادند. در آن واحد، آنها دو فرد را مأمور ساخته این تصاویر را به قرار داشتن در مسیر مستقیم، سمت چپ یا سمت راست طبقه بندی کنند. آنگاه این تیم نتایج را با یکدیگر مقایسه کردند. کامپیوتر کار طبقه بندی را کمی بهتر از افراد مأمور انجام داد. این بدان معنا بود که پهباد آماده است به تنهایی در دنیای واقعی مسیریابی کند.
گویستی و تیمش وسیله «هوشمند» خود را به جنگلی بردند که مسیر حرکت پیش از آن در تنظیمات پهباد قرار داده نشده بود. این هواپیما در امتداد آن مسیر جنگلی پرواز کرده و به طور دائم جهت خود را بر مبنای تصاویری که از دوربین خود دریافت میکرد، تطابق میداد.
گویستی اعتراف کرد که پهباد به خوبی آنچه در آزمایشگاه انجام داده بود در واقعیت به اجرا نگذاشت. به این دلیل که دوربین پهباد تصاویر با کیفیت پایینتری نسبت به دوربینهایی گرفت که در زمان آزمایش مورد استفاده قرار داده بودند. او توضیح میدهد که در نتیجه تصاویر گرفته شده توسط پهباد به نظر متفاوت میرسیدند. این امر موجب سردرگمی شبکه عصبی آن شد.
مسیرها و راههای باریک همچنین چالشی در این زمینه به حساب میآمدند. چنانچه بیش از حد به مرکز موقعیت یا مسیر نزدیک میشدند، پهباد در میان درختان سقوط میکرد. اما در مسیرهای عریض، این هواپیما میتوانست در یک زمان چند صد متر را به خوبی مسیریابی نماید.
تیم گویستی دستاوردهای این پهباد را به صورت آنلاین در تاریخ 17 دسامبر در مجله اینترنتی IEEE Robotics and Automation Letters تشریح ساختند.
به گفتهی گویستی: «دیدن و درک دنیای اطراف خود دقیقاً چیزی است که رباتها هنوز به خوبی در آن تبحر ندارند». «شبکههای عصبی در تفسیر تصاویر بسیار خوب عمل میکنند، آنها به منظور ایجاد درک و بینایی بخشیدن به رباتها بسیار مفید خواهند بود».
کریستف راسموسن (Christopher Rasmussen) دانشمند رشته کامپیوتر ویژن از دانشگاه دلاور (Delaware) واقع در نیویورک قبول دارد که این استفاده هیجان انگیزی برای شبکههای عصبی است. او خود در این تحقیق نقشی نداشت اما خاطر نشان میسازد که نتایج حاصل از آن نوید بخش میباشند. با این حال، مشکلات پیش آمده در تجربیاتی مانند کیفیت تصویری و مسیریابی ضعیف «نشان میدهند که هنوز هم مسائل مهمی وجود داشته که بایستی روی آنها کار شود.»
برگرفته از سایت sciencenewsforstudents