Автономные гонки на дронах набирают большую популярность среди исследователей. Недавно был запущен ряд проектов, направленных на стимулирование быстрого прогресса в этой области, например, Fast Lightweight Autonomy (FLA), AgileFlight Европейского исследовательского совета и проект AutoAssess. Для достижения высокой производительности гоночным дронам требуются алгоритмы реального времени, устойчивые к размытию движения, высокому динамическому диапазону, аэродинамическим помехам и появлению соперников. ETH Zurich достигла важной вехи, когда ее RL-политик обогнал всех пилотов-людей. Проект посвящён разработке первого в России автономного гоночного дрона на основе технического зрения с использованием технологий Reinforcement Learning (RL) и Imitation Learning (IL). Будут проведены эксперименты на гоночной арене с воротами с субмиллиметровой точностью с помощью mocap-системы.

Статья по проекту. 

V. Serpiva, A. Fedoseev, S. Karaf, A. A. Abdulkarim, D. Tsetserukou, “OmniRace: 6D Hand Pose Estimation for Intuitive Guidance of Racing Drone,” in Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, (IROS 2024), Abu Dhabi, UAE, 14-18 October 2024, 2024, in print. (No. 1 Conference in Intelligent Robotics and No. 2 in Robotics, Core2023 A, Scopus and WoS, H(SJR)=150). Arxiv: https://arxiv.org/abs/2407.09841

Статус проекта: ведётся разработка.