New-Tech Magazine | MAR 2025 | Digital Edition

שמתמחה אף היא בתכנון וייצור רחפנים מסחריים - לאחרונה החברה החלה למכור בו 200$ דגם של רחפן ללא שלט בעלות של פועלת מערכת בינה מלאכותית שיודעת לטוס בלי להיתקע במכשולים - בעזרת השיטה הבאה: המטיס מסמן לרחפן את האוביקט שהרחפן אמור לעקוב אחריו (נניח לצורך הפשטות - המטיס עצמו) כל עוד הרחפן מצליח לזהות את המטרה שלו - הוא יכול לעקוב אחריה, וברגע שהמטרה נעלמת לרחפן - הוא פשוט עוצר עד שהיא חוזרת לתחום הראייה של הרחפן - גישה פשטנית זו היא מספקת לבלוגרים וחובבי צילום רבים שבעיקר מעוניינים בעקיבה רציפה אחר אובייקט בתנועה. אבל אנחנו מתעקשים, אנו מעוניינים בפיתוח פלטפורמה פשוטה וקלה שתטוס ביער ולא תעקוב אחרי אובייקט היודע בעצמו להתחמק ממכשולים. לצורך כך נזדקק לרשת בינה מלאכותית שבין השאר אומנה , בשנה TikTok בעזרת חוקרים מחברת האחרונה פורסמו מספר מאמרים שמציגים יכולת מעולה של ניתוח עומק בזמן אמת ), למעשה בעזרת 2 מתמונה יחידה (ראו איור מעבד של טלפן חכם (ואף הרבה פחות מכך) ניתן להריץ רשת שיודעת לקחת את הפלט של מצלמת ווידאו ולהבין את העומק (המרחק היחסי) של כל פיקסל בתמונה מהמצלמה. לפיכך החיישן היחיד שהרחפן שלנו יצטרך הוא למעשה מצלמה (אשר לפי הצורך תיעזר בפלאש כדי להאיר את הסביבה החשוכה). ניתוח העומק של הרשת יאפשר לרחפן למפות בזמן אמת כיוונים ״ניתנים לטיסה״ וכיוונים בהם יש מכשולים (ולפיכך שאינם ניתנים : ברור שמרכז 2 לטיסה). לדוגמא באיור הרכב הוא לא ״כיוון טוב״ אבל מעליו או מצדדיו בהחלט ניתן לטוס. נשים לב שגישה

מציג דוגמא של הבנת הסביבה הגיאומטרית הקרובה כפי שהיא מזוהה ע״י :1 איור « של קונסולת המשחק בעל מצלמת עומק. Kinect חיישן Matthew Fisher קרדיט:

זו אינה תלויה (כמעט) בתנועה של הסביבה, משמע היא יכולה לעבוד גם בסביבה דינאמית שכן הערכת העומק מתבצעת על כל תמונה בנפרד ולא בעזרת מיפוי שמבוסס על ניתוח ווידאו והנחת סטטיות של הסביבה. במסגרת מחקר שמתבצע באונ׳ אריאל, הודגמה יכולת של רובוטים ורחפנים לנוע ביעילות בסביבה לא מוכרת תוך מעקף מכשולים. הניסויים בוצעו תחילה בסביבה סימולטיבית שפותחה ע״י המאסטרנטית נעמי צברי, בהמשך ביצועי הרשת שופרו (ע״י המסטרנט שובל זיידמן) כדי לאפשר הרצה של הרשת ע״ג מחשב משימה זעיר של רחפן, אשר הצליח לטוס בסביבות מאתגרות של עצים ומכשולים דינמיים. חוק הבקרה של הרחפן הוא פשוט יחסית: בהינתן תמונה, הפק ממנה תמונת עומק, סנן את העומק מהתמונה לכיוונים אפשריים לטיסה וכאלו שמהווים מכשול, בחר כיוון עם ״אופק רחוק״ (אם לא קיים כזה תעמוד במקום ותסתובב ״אחורה״ עד שתמצא כיוון). לאחר שנמצא הכיוון המתאים התכוונן לשם והתאם את

המהירות למרחק האופייני, לאחר מכן קבל את התמונה הבאה וכן הלאה. במהלך ניסויי הטיסה האחרונים עם הרחפן, נתקלנו ב״באג מעניין״. הרחפן מנתח עומק לפי תמונת העומק שהוא מפיק, ולפיכך תמונה של ״מרחבים״ נראה לרחפן ככיוון נכון לטוס אליו גם כאשר התמונה היא למעשה ״עומק מלאכותי״ שמקורה בסרטון במסך הטלוויזיה. סיכום: שהיתה TikTok באופן מפתיע, חברת מעוניינת לשפר את יכולת כיוונון הפוקוס של הווידאו באפליקציה שלה, פיתחה רשת בינה מלאכותית שעשתה שימוש בכמויות האדירות של תמונות כדי ללמוד להבין את העומק מתוך תמונות דו מימדיות. רשת זו, מאפשרת לפתח רובוטים ורחפנים שעושים שימוש במצלמה יחידה כדי להפיק תובנות עומק שמאפשרות חוק בקרה פשוט יחסית כדי לאפשר תנועה אוטונומית עוקפת מכשולים בסביבות מורכבות.

Depth Anything צד ימין: תמונה שצולמה עם סנוור די משמעותי. צד שמאל: ניתוח עומק של התמונה בעזרת הרשת של :2 איור « ) שמציגה יכולת זיהוי עומק מעולה - ראו למשל את היכולת של המערכת לזהות את האדם שרוכן מחוץ לרכב. TikTok (של חברת v2 Alex Villabon קרדיט:

39 l New-Tech Magazine