Jul, 2023

A3D：边缘辅助飞行器的自适应、准确、自主导航

PDF
TL;DR利用深度神经网络改进自主无人机导航，提出 A3D 边缘服务器辅助的无人机导航框架，可动态调整任务执行位置、输入分辨率和图像压缩比，以实现低推理延迟、高预测准确性和长飞行距离。证实 A3D 相比非自适应方案可将端到端延迟减少 28.06％，飞行距离延长高达 27.28％。
autonomous dronesdeep neural networksdrone navigationedge serverinference latency
发现论文，激发创造
  • 基于 DNN 的 64mW 自主纳米无人机视觉导航引擎

    本文介绍了一种用于小型自主飞行器（如无人机）的自主导航引擎，此引擎基于神经网络和并行低功耗计算平台 GAP8，可以使得纳米无人机在严格的实时约束下完整地执行复杂的深度卷积神经网络，以实现闭环端到端可视化导航，同时系统耗能相对较小，且不会对飞行结果进行任何妥协。

    May, 2018

  • 适应性深度学习用于超低功耗纳米飞行器高效视觉姿态估计

    提出了一种新颖的自适应深度学习机制，用于有效执行基于视觉的人体姿势估计任务，以最大限度地利用纳米无人机上的极其有限资源，通过结合两种卷积神经网络、三种基于输出的时间一致性和辅助任务的新适应策略来实现。在真实世界数据集和实际纳米无人机硬件上，与仅执行更大且更精确的卷积神经网络模型相比，我们的最佳性能系统显示了 28% 的延迟减少，同时保持相同的平均绝对误差（MAE），3% 的 MAE 减少，并且绝对峰值性能，即比 SoA 模型好 6%。

    Jan, 2024

  • 深度无人机赛车：学习在动态环境中敏捷飞行

    利用卷积神经网络直接映射原始图像到航点和所需速度的强鲁棒性生成，使用路径规划和控制系统生成短的、最小时间轨迹段，测试表明该方法能够在动态环境中准确和稳健地实现无人机的自主飞行，不需要昂贵的硬件和昂贵的图像处理，且比专业的人类驾驶员更加高效。

    Jun, 2018

  • 优化的深度神经网络在纳米无人机上的视觉姿态估计部署

    通过使用深度神经网络进行视觉姿态估计任务的新型自动优化流程，本研究针对小型自主无人机的智能化实现提出了两种不同的神经架构搜索算法，采用一套新颖的软件核心，通过并行超低功耗的片上系统在现成的纳米无人机上执行关键深度神经网络层序列，成功提高了当前技术水平并将推理延迟降低高达 3.22 倍。

    Feb, 2024

  • 用于实时自主室内导航的深度神经网络

    本文提出一种在室内使用单一摄像头实现四旋翼自主导航和寻找目标物体（例如书包）的方法，使用卷积神经网络 (ConvNet) 进行深度学习，使用可视化技术来更好地理解训练网络。

    Nov, 2015

  • 基于深度神经网络的低空自主微型飞行器路径导航及环境感知技术

    该研究提出了一种使用廉价的现成硬件构建的微型飞行器系统，其利用名为 TrailNet 的深度神经网络自主跟踪树林等户外环境中的小路，结合视觉感知技术，包括对象检测和视觉里程计模块，以实现更加稳定和准确的飞行。

    May, 2017

  • 一种基于注意力的深度学习框架用于实时单目视觉里程计：应用于无 GPS 无人机导航

    本文介绍了一种用于无人机的新型实时单目视觉里程计模型，使用了深度神经网络架构和自注意力模块，能够通过连续视频帧估计相机的自身运动，进而估计无人机的轨迹。该模型在两个视觉里程计数据集上测试，收敛速度比之前的循环神经网络模型快 48％，并且平均平移漂移减少了 22％，平均平移绝对轨迹误差改善了 12％，表现出更强的抗噪能力。

    Apr, 2024

  • 面向资源受限的无人机监控系统的分布式 CNN 推断：设计与优化

    本文提出了一种深度神经网络在无人机上的分布式方法，以实现资源受限设备中的数据分类，同时考虑无人机的移动模型和资源约束。模拟表明，所提出的优化方案优于现有的启发式方法和基于服务器的解决方案。

    May, 2021

  • NaviSplit: 动态多分支分布式 DNNs 用于高效分布式自主导航

    轻量级自主无人机、感知算法、NaviSplit 分布式动态多分支神经模型、基于分割 DNN 的动态模型的自主导航研究。

    Jun, 2024

  • 无人机编队协同学习

    该研究论文提出了一种基于无人机的合作学习系统，用于训练具有数据异质性的神经网络模型，通过优化无人机的轨迹，考虑了设备数据特征和无线信道条件，显著提高了收敛速度和最终准确性，并在图像识别和语义分割任务中取得了令人满意的结果。

    Mar, 2023