遵义好的单机图形化编程机构

用户现在可以通过在Web和移动设备(iOS和Android)上的DroneDeploy界面中利用第三方应用来扩展DroneDeploy的功能好的单机图形化编程。“我们真的很高兴能成为不断增长的无人机生态系统的一部分，”Box的平台总监Ross McKegney说。“单机图形化编程机构我们与DroneDeploy的合作使我们能够帮助我们的客户更好地利用无人机数据为他们的业务。”据普华永道称，到2020年，使用无人机的新兴全球市场预计将达到1270亿美元。一家受益于无人机行业指数增长的公司是FAA Part 107认证的无人机服务提供商公司Bon Air Drone。由于强调准确性，在短短一年多的时间里，公司已发展到四个地点，并在采矿和测量行业获得了大量合同。

编程无人机面对不确定性飞行像亚马逊这样的公司对无人机有很大的想法，可以直接送货上门。但是，即使把政策问题放在一边，编程无人机也很难在城市等杂乱的空间飞行。能够在高速行驶时避开障碍物在计算上是复杂的，特别是对于小型无人机而言，这些小型无人机可以携带多少以进行实时处理。许多现有方法依赖于复杂的地图，旨在告诉无人机它们相对于障碍物的确切位置，这在具有不可预测对象的现实环境中不是特别实用。如果他们的估计位置即使只是一小段距离，他们也很容易崩溃。

”具体而言，NanoMap使用深度感应系统将有关无人机周围环境的一系列测量结合在一起。这使得它不仅可以为其当前视野制定运动计划，还可以预测它应该如何在已经看到的隐藏视野中移动。佛罗伦萨说：“这有点像把你在世界上看到的所有图像都保存在头脑中。”“对于无人机来计划动作，它基本上可以追溯到时间来单独思考它所处的所有不同的地方。”团队的测试证明了不确定性的影响。例如，如果NanoMap没有模拟不确定性并且无人机距离预期的位置仅漂移了5%，那么无人机将每四次飞行失败一次。同时，当它考虑到不确定性时，崩溃率降至2%。该论文由佛罗伦萨和麻省理工学院教授Russ Tedrake以及研究软件工程师John Carter和Jake Ware共同撰写。最近，它于5月在澳大利亚布里斯班举行的IEEE机器人与自动化国际会议上被接受。

考虑到这一点，麻省理工学院计算机科学与人工智能实验室(CSAIL)的团队开发了NanoMap系统，该系统允许无人机在森林和仓库等密集环境中以每小时20英里的速度飞行。NanoMap的一个关键见解是一个非常简单的问题：该系统认为无人机在世界上的位置随着时间的推移而变得不确定，并且实际上模拟并解释了这种不确定性。“如果你想要能在人类环境中以更高速度运行的无人机，那么过于自信的地图将无济于事，”研究生Pete Florence说道，他是一篇新的相关论文的作者。“能够更好地了解不确定性的方法使我们能够在近距离飞行并避开障碍物方面获得更高的可靠性。