AIはフライアイの助けを借りてドローンを発見します

2018年12月、ドローンが近くを飛んでいるという報告があったため、ロンドンのガトウィック空港で何千人もの休暇旅行者が立ち往生しました。 空港—ヨーロッパの1つ 最も忙しい— 2日間シャットダウンされたため、大幅な遅延が発生し、航空会社に数百万ドルの費用がかかりました。 商業空域での無人ドローンは、米国および世界中で同様の事件を引き起こしました。 それらを阻止するために、研究者たちは現在、異なるタイプの空中物体である生きているハエに触発された検出システムを開発しています。 この作品は持っている可能性があります ドローン検出をはるかに超えるアプリケーション、研究者はに掲載された新しい論文に書き込みます アメリカ音響学会誌。

「それは非常に素晴らしいことです」と、フランスのエクスマルセイユ大学のエティエンヌジュールマレー運動科学研究所の研究者であり、新しい研究に関与していなかったフランス国立科学研究センターのフランク・ルフィエは言います。 「この基礎研究は、コンピュータサイエンスの実際の問題をその場で解決しています。」

その解決策は、とりわけ、ドローンを検出するという固有の困難を克服するための含意があります。 これらの遠隔操縦飛行機械がますます安価になり、アクセスしやすくなるにつれて、多くの専門家は、それらがますます破壊的になることを心配しています。 それらの蔓延はさまざまな問題を引き起こします、と米国政府説明責任局の科学、技術評価および分析チームの共同ディレクターであるブライアン・ボスウェルは言います。 「ドローンは不注意な人と犯罪者の両方が操作できます」と彼は述べています。 不注意なドローンパイロットは、不注意で事故を引き起こす可能性があります。 犯罪者は、これらのデバイスを使用して、国境を越えて麻薬を密輸したり、禁制品を刑務所の庭に落としたりすることができます。 「それらを検出することが重要です」とBothwellは言います。

しかし、そのような検出は決して単純ではありません。 現在のシステムは、視覚、聴覚、または赤外線センサーに依存していますが、これらのテクノロジーは、視界が悪い、ノイズが大きい、または信号が干渉する状況で苦労することがよくあります。 問題を解決するには、コンピュータープログラマーが「顕著性検出」と呼ぶものが必要です。これは、本質的に信号とノイズを区別することを意味します。

現在、自然の助けを借りて、南オーストラリア大学の科学者とエンジニアのチーム、オーストラリアの防衛会社MidsparSystemsとFlindersUniversityが解決策を見つけたかもしれません。 彼らの新しい論文では、花の周りをホバリングする習慣で知られる主に黒と黄色の縞模様の昆虫の家族であるハナアブの視覚系をリバースエンジニアリングすることによって設計されたアルゴリズムを示しています。 ハエを叩こうとした人なら誰でも証明できるように、これらのにぎやかな害虫の多くは、信じられないほど鋭い視界と速い反応時間を持っています。 このような能力は、多くの情報を同時に取り込む複眼と、その情報を処理するニューロンに由来します。これらのニューロンは、関連する信号を無意味なノイズから分離するのに非常に優れていることがわかります。 非常に多くの動物がノイズを効果的に調整する視覚システムを備えていますが、ハエの単純な脳とその結果としての研究の容易さにより、昆虫はコンピューター科学者にとって特に有用なモデルになっています。

この研究では、研究者はハナアブの視覚系を調べて、同様のメカニズムを使用してノイズの多いデータをクリーンアップするツールを開発しました。 フィルタリングされた情報は、ドローン検出のための人工知能アルゴリズムに入力できます。 彼らの新しい論文で、科学者たちは、この組み合わせが従来のAI単独よりも最大50パーセント離れたドローンを検出できることを示しています。 新しい研究論文は、フライビジョンアルゴリズムのフィルタリング機能の概念実証にすぎませんが、チームメンバーはプロトタイプを作成し、商品化に取り組んでいます。 彼らの努力は、バイオインスパイアード設計がパッシブ検出システムをどのように改善できるかを示しています。

「この論文は、情報処理について自然からどれだけ学ぶことができるかを示す良い例です」と、アリゾナ州立大学の生物模倣センターの研究担当副所長であり、新しい研究に関与していなかったTedPavlicは述べています。

ハナアブから洞察を集めるために、チームは10年以上かけて、目の神経経路を注意深く研究し、光に対する電気的反応を測定しました。 昆虫の大きな複眼の光センサーから始めて、エンジニアはニューロンのさまざまな層を通って脳に至る回路を追跡しました。 次に、その情報を使用して、データの重要な部分を検知して高めることができるアルゴリズムを構築しました。

しかし、研究者たちは、単に視覚データをアルゴリズムに入力するのではなく、ドローンが飛んできたときに屋外環境で記録された音響データから作成されたスペクトログラム（音の視覚表現）を入力しました。 アルゴリズムは、これらの波状のグラフを表示し、ドローンによって放出される周波数に対応する重要な「信号」ピークを高めることができました。 同時に、ドローンでは発生しなかったバックグラウンドノイズを低減することができました。

「これはクリーンアップのステップであるため、本当に素晴らしいです。基本的に、機械学習パイプラインに追加して、その恩恵を受けることが期待できます」と、ノースウェスタン大学のコンピューター科学者であるエマ・アレクサンダーは言います。研究。

実際、研究者たちは、人工知能が複雑で厄介な条件に対処しながら現実世界からの情報を処理しなければならないさまざまなアプリケーションで、バイオインスパイアードアルゴリズムを使用したいと述べています。 「私たちは、さまざまな環境に自動的に適応し、関心のあるものを強化できるシステムを構築しました」と、研究の共著者であるフリンダース大学の生物工学者であるラッセルブリンクワースは述べています。

たとえば、AIベースのセンシングシステムの構築に伴う主要な課題の1つは、絶えず変化する環境でシステムを機能させることです。 「従来のAIでは、車の写真だけを表示することはできません。 車が見える可能性のあるすべての状況で、車を見せなければなりません」と彼は説明します。 「しかし、照明が変わったり、影があったりすると、AIはこれまで見たことがないと言います。」 これは、変化する光やその他の変化する条件に確実に適応する自動運転車を設計する上での大きなハードルの1つです。 ただし、フライに着想を得たシステムでは、このフィルタリングは自動的に行われます。

「人工知能は、限られた環境にあり、制御されている場合に最適に機能します」とブリンクワース氏は言います。 「しかし、生物学はどこでも機能します。 それがどこでも機能しない場合、それは死にます。」