Revista de ingeniería informática y tecnología de la información

Un marco de aprendizaje profundo basado en drones para detectar y rastrear objetos

Muhammad Shoaib1 , Nasir Sayed

En los últimos años, la integración de la inteligencia artificial y los vehículos aéreos no tripulados (UAV) se ha convertido en un tema de estudio candente, especialmente cuando estos vehículos deben realizar tareas complejas que no se pueden completar rápidamente bajo control humano. Los drones suelen utilizar varios sensores para recopilar detalles completos sobre las condiciones, como una cámara de arriba hacia abajo o sensores LiDAR, y el procesador principal mide todas las trayectorias del dron. Este documento propone rastrear un objetivo detectado que emplea una cámara monocular a bordo y un modelo de aprendizaje de refuerzo. Este sistema es más rentable y adaptable a la atmósfera utilizando varios sensores y trayectorias precalculadas que los enfoques anteriores. Nuestro modelo agregó detalles de caja abarcadores a la entrada de imagen de la red de accionamiento al extender la red Deep Double Q anterior con el modelo de arquitectura de duelo (D3QN), modificando una tabla de acciones y una función de incentivo, lo que permite gestos tridimensionales y reconocimiento de objetos combinados con el soporte de MobileNet. Las simulaciones se llevan a cabo en varios entornos de simulación, cada uno con su nivel de dificultad y sofisticación. Para la investigación se ha utilizado la aplicación “Airsim”, una API de simulación de cuadrirrotor con el apoyo de Microsoft. Los resultados revelan que, mediante un algoritmo de exploración basado en la convergencia, el modelo se acerca al objeto observado, una figura humana, sin encontrar obstáculos en el camino y se desplaza más rápido.