Learning to fly a quadrotor by watching flight videos
Uçuş videolarını izleyerek bir quadrotoru uçurmayı öğrenmek
- Tez No: 936738
- Danışmanlar: PROF. DR. DAVIDE SCARAMUZZA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Eıdgenossısche Technısche Hochschule Zurıch (eth)
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Quadrotorlar, zorlu ortamlarda gezinmede başarılı, çevik makinelerdir. Genellikle onları uçurmak için uzman pilotlara ihtiyaç duyulur. Uzman pilotlara olan bu bağımlılık, quadrotorların geniş çapta kullanımını sınırlar. Bu yüzden quadrotorlar için otonom navigasyon oldukça arzulanmaktadır. Güncel yöntemler, otonomi sağlamak için derin öğrenme modellerini eğitmek üzere simülasyonlara dayanır. Ancak, simülasyonda eğitilen modeller, simülasyon-gerçek dünya farkından olumsuz etkilenir ve genellikle deneme yanılma yöntemiyle öğrenmeye dayalıdır. Bu çalışma, çevrimiçi olarak internette bulunan, drone'lardan elde edilmiş birinci şahıs bakış açısına sahip gerçek dünya videolarından (FPV) navigasyon becerileri öğrenmeyi önermektedir. Bu videoları görsel odometri kullanarak etiketliyor ve derin öğrenme yoluyla navigasyon becerileri öğrenilmesini sağlıyoruz. Bu çözüm, simülasyon-gerçek farkını azaltıyor ve uzman pilotlardan beceri öğrenimini mümkün kılıyor. Önerilen çözüm, gerçek dünyada çekilmiş videolar kullanarak drone navigasyonu için algoritmaların eğitilmesinin uygulanabilirliğini araştırıyor ve simüle edilmiş ortamlarda umut verici sonuçlar sergiliyor. Önerilen çözüm, drone'un engellerden kaçınarak uçmasını sağlıyor ve çeşitli ortamlar ve koşullarda ortalama 200 metre uçuş mesafesine ulaşıyor. Bu yaklaşım, quadrotor otonomisini geliştirme ve denetim, gözetim ve arama-kurtarma gibi çeşitli sektörlerde pratik uygulamaları artırma potansiyeline sahiptir.
Özet (Çeviri)
Quadrotors are agile machines that excel in navigating challenging environments. Skilled human pilots are often required to fly them. The reliance on expert human pilots limits the scalability of quadrotors' widespread use, hence autonomous navigation is highly desired. State-of-the-art methods rely on simulation to train deep learning models to achieve autonomy. However, models that are trained in simulation suffer from simulation-to-real gap and they mostly rely on a learning scheme of trial and error. This work proposes learning navigation skills from real-world first person view videos from drones that are found online. We label these videos by visual odometry and learn implicit navigation skills via deep learning. This solution addresses the simulation-to-real gap and enables learning skills from human pilots. Our proposed solution explores the feasibility of training algorithms for drone navigation using in-the-wild videos, showcasing promising results in simulated environments. The proposed solution is able to fly the drone while avoiding obstacles and reaches about 200 meters of flight distance on average over various environments and conditions. This approach holds potential for advancing quadrotor autonomy and enhancing practical applications in diverse industries such as inspection, surveillance, and search and rescue.
Benzer Tezler
- Bir insansız hava aracı için takipçi uçuş kontrolcüsünün uzun kısa süreli bellek tabanlı olarak geliştirilmesi
Development of follower flight controller for an unmanned aerial vehicle based on long short-term memory
GÖKHAN KULA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH GÖKÇE
- Derin öğrenme tabanlı görevlerin kenar bilişim yöntemiyle uzak sunucuya taşınması
Offloading tasks to remote server for deep learning based applications over edge computing system
HÜSEYİN ENES İLHAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Yüksek sıcaklık ve sülfat hücumuna maruz kalmış çimento esaslı lifli kompozitlerin mühendislik özelliklerinin makine öğrenmesi yöntemleriyle incelenmesi
Investigation of engineering properties of cement-based fibrous composites exposed to high temperature and sulfate attack using machine learning methods
NECİM KAYA
Doktora
Türkçe
2024
İnşaat MühendisliğiBatman Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT DEMİRHAN
- An intelligent system for detecting Mediterranean fruit fly [Medfly; Ceratitis capitata (Wiedemann)]
Akdeniz meyve sineğinin (Ceratitis capitata) akıllı sistem ile tespit edilmesi
YUSUF UZUN
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAksaray ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET REŞİT TOLUN
- Bilgisayarlı görü ile otonom hedef takibi yapabilen İHA'nın geliştirilmesi
Development of a UAV capable of autonomous target tracking with computer vision
MUHAMMED YAVUZ BAYRAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT BAYINDIR