Incontra l’Air-Guardian un sistema di intelligenza artificiale sviluppato dai ricercatori del MIT per tracciare dove un pilota umano sta guardando (utilizzando la tecnologia di eye-tracking)

Incontra l'Air-Guardian il sistema di intelligenza artificiale del MIT per tracciare lo sguardo del pilota (con eye-tracking)

In un mondo in cui i sistemi autonomi stanno diventando sempre più diffusi, garantire la loro sicurezza e prestazioni è fondamentale. Gli aeromobili autonomi, in particolare, hanno il potenziale per rivoluzionare diverse industrie, dal trasporto alla sorveglianza e oltre. Tuttavia, la loro operazione sicura rimane una preoccupazione significativa. I ricercatori del MIT stanno lavorando instancabilmente per migliorare le capacità e la sicurezza di questi sistemi autonomi. In uno sviluppo recente, un team di ricercatori ha introdotto un nuovo approccio che sfrutta l’attenzione visiva per migliorare le prestazioni e la sicurezza degli aeromobili autonomi.

Gli aeromobili autonomi sono progettati per operare senza intervento umano, affidandosi a algoritmi avanzati e sensori per navigare e prendere decisioni. Mentre questi sistemi offrono numerosi vantaggi, tra cui maggiore efficienza e riduzione dei costi operativi, presentano sfide uniche. Una delle sfide cruciali è garantire che gli aeromobili autonomi possano operare in sicurezza, specialmente in ambienti complessi e dinamici.

Per affrontare questa sfida, i ricercatori hanno introdotto un nuovo metodo che si focalizza sull’attenzione visiva come elemento chiave del controllo di volo autonomo. Il team di ricerca propone un sistema di guardian che collabora con i piloti umani, migliorando il loro controllo e la sicurezza generale del volo. A differenza dei sistemi autonomi tradizionali, che operano indipendentemente dall’input umano, questo sistema di guardian monitora attivamente i modelli di attenzione sia del pilota sia di sé stesso.

• Moltiplicazione di matrici su GPU
• Algoritmo di Dijkstra ponderato dal tempo di percorrenza nelle reti OSM
• Come estendere i DataFrames di Pandas con metodi personalizzati per aumentare la funzionalità e la leggibilità del codice

Il sistema guardian si basa su un’architettura di rete neurale che include strati convoluzionali, strati densi e una rete CfC (Causality from Correlation) specializzata per la presa di decisioni sequenziali. Questa rete CfC è progettata per catturare la struttura causale sottostante di un compito specifico, consentendogli di comprendere la relazione tra diverse variabili e prendere decisioni informate.

Una delle principali innovazioni di questo approccio è l’uso di mappe di attenzione visiva. L’algoritmo VisualBackProp per le reti neurali genera queste mappe e serve come un modo per capire dove il pilota e il guardian concentrano la loro attenzione durante il volo. Per il guardian, la sua mappa di attenzione rappresenta la sua comprensione dell’ambiente e degli elementi critici all’interno di esso. Nel frattempo, per il pilota umano, la tecnologia di eye-tracking misura la sua effettiva attenzione visiva.

Interviene il sistema guardian quando le discrepanze nei profili di attenzione tra il pilota e il guardian superano soglie predefinite. Ciò significa che se l’attenzione del pilota si discosta significativamente da ciò che il sistema guardian si aspetta, il guardian prende il controllo per garantire operazioni di volo sicure. Questo processo di intervento è cruciale quando i piloti possono essere distratti, affaticati o sopraffatti dalle informazioni.

Il team di ricerca ha condotto esperimenti sia in ambienti simulati sia in ambienti reali per valutare l’efficacia del loro approccio. Il sistema guardian è stato messo alla prova rispetto ai piloti umani in scenari simulati, e i risultati sono stati sorprendenti. Il tasso di collisione per i piloti umani senza il sistema guardian era del 46%. Tuttavia, con l’intervento del guardian, il tasso di collisione è sceso al 23%, migliorando significativamente la sicurezza del volo.

Il sistema guardian ha dimostrato nuovamente la sua efficacia in esperimenti reali che coinvolgono un drone quadrotore. I piloti umani hanno guidato il drone verso un obiettivo, una sedia da campeggio rossa. Quando il sistema guardian era attivo, ha sempre garantito un volo sicuro, con una velocità di volo inferiore e una distanza più breve dalla traiettoria di volo ottimale. Ciò ha ridotto il rischio di collisione con gli ostacoli e migliorato la sicurezza generale del volo.

Il successo di questo sistema guardian sottolinea l’importanza dell’attenzione visiva nei sistemi autonomi. Monitorando attivamente e comprendendo dove il pilota e il guardian concentrano la loro attenzione, il sistema può prendere decisioni informate per migliorare la sicurezza e le prestazioni. Questo approccio collaborativo rappresenta un passo significativo nello sviluppo di sistemi aerei autonomi che possono operare in modo affidabile e sicuro in vari scenari.

In conclusione, l’approccio innovativo del team di ricerca nell’utilizzare l’attenzione visiva per il controllo degli aeromobili autonomi offre grandi promesse per l’industria dell’aviazione e oltre. L’introduzione di un sistema guardian che collabora attivamente con i piloti umani basandosi sui modelli di attenzione ha migliorato significativamente la sicurezza e le prestazioni del volo. Questo approccio può trasformare il modo in cui gli aeromobili autonomi vengono gestiti, riducendo il rischio di incidenti e aprendo nuove possibilità per il loro utilizzo in diverse applicazioni. Con l’evoluzione continua dei sistemi autonomi, innovazioni come queste sono essenziali per garantire un futuro più sicuro ed efficiente.