कंप्यूटर इंजीनियरिंग और सूचना प्रौद्योगिकी जर्नल

वस्तुओं का पता लगाने और उन पर नज़र रखने के लिए ड्रोन-आधारित डीप लर्निंग फ्रेमवर्क

मुहम्मद शोएब1, नासिर सईद

हाल के वर्षों में, कृत्रिम बुद्धिमत्ता और मानव रहित हवाई वाहनों (यूएवी) को एकीकृत करना अध्ययन का एक गर्म विषय बन गया है, खासकर जहां यूएवी को जटिल कार्य करने चाहिए जो मानव नियंत्रण में जल्दी से पूरे नहीं किए जा सकते हैं। ड्रोन अक्सर स्थितियों के बारे में पूरी जानकारी इकट्ठा करने के लिए कई सेंसर का उपयोग करते हैं, जैसे कि टॉप-डाउन कैमरा या LiDAR सेंसर, और मुख्य प्रोसेसर ड्रोन के सभी प्रक्षेपवक्र को मापता है। यह पेपर एक पता लगाए गए लक्ष्य को ट्रैक करने का प्रस्ताव करता है जो एक मोनोकुलर ऑन-बोर्ड कैमरा और एक सुदृढीकरण सीखने के मॉडल को नियोजित करता है। यह प्रणाली पिछले दृष्टिकोणों की तुलना में विभिन्न सेंसर और पूर्व गणना किए गए प्रक्षेपवक्र का उपयोग करके वातावरण के लिए अधिक लागत प्रभावी और अनुकूलनीय है। हमारे मॉडल ने पिछले डीप डबल क्यू नेटवर्क को ड्यूल आर्किटेक्चर मॉडल (D3QN) के साथ विस्तारित करके ड्राइव नेटवर्क पिक्चर इनपुट में व्यापक बॉक्स विवरण जोड़ा, एक एक्शन टेबल और प्रोत्साहन सुविधा को संशोधित किया, 3-आयामी इशारों और ऑब्जेक्ट पहचान को सक्षम किया जो मोबाइलनेट के समर्थन के साथ संयुक्त है। सिमुलेशन विभिन्न सिमुलेशन सेटिंग्स में किए जाते हैं, जिनमें से प्रत्येक की कठिनाई और परिष्कार का स्तर होता है। शोध के लिए "एयरसिम" एप्लीकेशन का उपयोग किया जाता है, जो माइक्रोसॉफ्ट द्वारा समर्थित क्वाड्रोटर सिमुलेशन एपीआई है। निष्कर्षों से पता चलता है कि अभिसरण-आधारित अन्वेषण एल्गोरिदम का उपयोग करते हुए, मॉडल बिना किसी बाधा के देखे गए ऑब्जेक्ट, एक मानव आकृति तक पहुंचता है और तेजी से आगे बढ़ता है।