TJU-Aerial-Robotics/YOPO

해결하는 문제

YOPO는 장애물이 밀집한 환경에서 자율 드론의 항법 문제를 해결합니다. 일반적으로 인식, 경로 탐색, 궤적 최적화를 분리하는 전통적인 다단계 파이프라인을 대체하여, 계산 부담을 줄이고 계획 과정에서 국소 최적값에 빠지는 것을 방지하는 단일 통합 신경망을 사용합니다.

작동 방식

이 시스템은 YOLO와 같은 객체 탐지기에서 영감을 얻은 '원스테이지' 플래너로 작동합니다. 운동 프리미티브를 앵커로 사용하여 잠재적 탐색 공간을 커버하고, 이러한 프리미티브에 대한 필요한 오프셋과 점수를 예측하여 궤적을 정밀화합니다.

이미테이션 학습(전문가 데이터 필요)이나 강화 학습(시도 오류 필요)과 달리, YOPO는 '가이드 러닝' 전략을 사용합니다. 유클리드 부호 거리 필드(ESDF)와 같은 궤적 비용의 기울기를 직접 네트워크 가중치로 역전파하여 경로를 최적화합니다.

대상 사용자

이 프로젝트는 민첩한 드론 비행, 자율 항법, 항공기의 시뮬레이션에서 실제 환경으로의 전이에 종사하는 로봇 공학 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 통합 아키텍처: 인식, 맵핑, 최적화를 하나의 네트워크에 통합.
• 효율적인 학습: 고가의 시뮬레이터나 전문가 시연이 필요 없이 가이드 러닝을 사용.
• 고성능: TensorRT 배포를 지원하여 NVIDIA Orin NX에서 초고속 추론(1–5ms) 가능.
• 시뮬레이션에서 실제 환경으로의 전이 가능: 진짜 깊이 이미지로 훈련된 정책은 실세계 스테레오 카메라와 미지의 환경으로 제로샷 전이 가능.