搭载嵌入式GPU的小型无人机系统自主避撞机器学习子系统
机器人学
2021-12-06 v1 机器学习
摘要
随着基于机器学习的自主模块与嵌入式图形处理单元(GPU)的广泛可用,对用于 6G 通信网络的无人机系统(UAS)赋能解决方案的兴趣急剧增长。尽管这些技术革新了 UAS 解决方案的可能性,设计可操作、鲁棒的 UAS 自主框架仍是一个多方面且困难的问题。本工作中,我们提出新颖的模块化 UAS 自主框架 MR-iFLY,并讨论如何扩展它以启用 6G 集群解决方案。我们首先详述在资源受限设备上基于机器学习的 UAS 自主所面临的挑战。接着,我们深入描述 MR-iFLY 新颖的深度估计与碰撞规避技术如何应对这些挑战。最后,我们描述用于衡量性能的各种评估准则,展示优化后的机器视觉组件相较基线模型最高达 15 倍加速,并呈现 MR-iFLY 视觉避撞技术的飞行演示视频。我们认为这些实证结果证明 MR-iFLY 可候选用于通过提供独立避撞与导航能力,降低 6G 通信集群中节点间通信开销。
引用
@article{arxiv.2112.01688,
title = {Machine Learning Subsystem for Autonomous Collision Avoidance on a small UAS with Embedded GPU},
author = {Nicholas Polosky and Tyler Gwin and Sean Furman and Parth Barhanpurkar and Jithin Jagannath},
journal= {arXiv preprint arXiv:2112.01688},
year = {2021}
}
备注
IEEE International Workshop on Communication and Networking for Swarms Robotics