ส่วนประกอบการนำทางด้วยภาพอิสระสำหรับโดรนและยานพาหนะภาคพื้นดินโดยใช้การเรียนรู้อย่างลึกซึ้ง อ้างถึง Wiki สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเริ่มต้น
โครงการนี้มีเครือข่ายประสาทลึกวิสัยทัศน์คอมพิวเตอร์และรหัสควบคุมคำแนะนำฮาร์ดแวร์และสิ่งประดิษฐ์อื่น ๆ ที่ช่วยให้ผู้ใช้สามารถสร้างเสียงพึมพำหรือยานพาหนะภาคพื้นดินซึ่งสามารถนำทางด้วยตนเองผ่านสภาพแวดล้อมที่ไม่มีโครงสร้างสูงเช่นเส้นทางป่าทางเดิน ฯลฯ การนำทางกำลังทำงานบนแพลตฟอร์ม Embedded Jetson ของ Nvidia กระดาษ Arxiv ของเราอธิบายถึง Trailnet และโมดูลรันไทม์อื่น ๆ โดยละเอียด
เครือข่ายประสาทลึกของโครงการ (DNNs) สามารถผ่านการฝึกอบรมได้ตั้งแต่เริ่มต้นโดยใช้ข้อมูลที่เปิดเผยต่อสาธารณะ DNNs ที่ผ่านการฝึกอบรมมาก่อนมีให้บริการเป็นส่วนหนึ่งของโครงการนี้ ในกรณีที่คุณต้องการฝึก Trailnet DNN ตั้งแต่เริ่มต้นให้ทำตามขั้นตอนในหน้านี้
โครงการยังมีรุ่นสเตอริโอ DNN และรันไทม์ซึ่งอนุญาตให้ประเมินความลึกจากกล้องสเตอริโอบนแพลตฟอร์ม Nvidia
Iros 2018 : เรานำเสนอผลงานของเราในการประชุม Iros 2018 ซึ่งเป็นส่วนหนึ่งของโดรนที่ใช้วิสัยทัศน์: มีอะไรต่อไป? การประชุมเชิงปฏิบัติการ
CVPR 2018 : เรานำเสนอผลงานของเราในการประชุม CVPR 2018 ซึ่งเป็นส่วนหนึ่งของการประชุมเชิงปฏิบัติการเรื่องการขับขี่แบบอิสระ
2020-02-03 : การใช้งานทางเลือก Redtail ไม่ได้รับการพัฒนาอีกต่อไป แต่โชคดีที่ชุมชนของเราก้าวเข้ามาและพัฒนาโครงการต่อไป เราขอขอบคุณผู้ใช้ของเราที่ให้ความสนใจใน RedTail คำถามและข้อเสนอแนะ!
การใช้งานทางเลือกบางอย่างแสดงอยู่ด้านล่าง
2018-10-10 : สเตอริโอ DNN ROS โหนดและแก้ไข
2018-09-19 : อัปเดตเป็นสเตอริโอ DNN
ResNet18 2D
ส่งผลให้ประสิทธิภาพเพิ่มขึ้น 2X (20FPS บน Jetson TX2)ResNet18 2D
เพื่อลดเวลาในการโหลดแบบจำลองจากนาทีเป็นน้อยกว่าหนึ่งวินาที2018-06-04 : การประชุมเชิงปฏิบัติการ CVPR 2018 สเตอริโอ DNN เวอร์ชันเร็ว
GTC 2018 : นี่คือหน้าเซสชันสเตอริโอ DNN ของเราที่ GTC18 และการนำเสนอวิดีโอที่บันทึกไว้
2018-03-22 : Redtail 2.0
2018-02-15 : เพิ่มการสนับสนุนสำหรับแพลตฟอร์ม TBS Discovery
2017-10-12 : เพิ่มอิมเมจนักเทียบท่าจำลองแบบเต็มรูปแบบการสนับสนุนการทดลองสำหรับ APM Rover และการสนับสนุนสำหรับ Mavros v0.21+
2017-09-07 : โครงการ Nvidia Redtail เปิดตัวเป็นโครงการโอเพนซอร์ส
โมดูล AI ของ Redtail ช่วยให้การสร้างโดรนอิสระและหุ่นยนต์มือถือบนพื้นฐานของการเรียนรู้อย่างลึกซึ้งและระบบฝังตัวของ Nvidia Jetson TX1 และ TX2 ซอร์สโค้ดโมเดลที่ผ่านการฝึกอบรมมาก่อนรวมถึงคำแนะนำการสร้างและทดสอบโดยละเอียดจะถูกเผยแพร่ใน GitHub
2017-07-26 : รหัสและสคริปต์ที่ย้ายไปยัง Jetpack 3.1 ด้วย Tensorrt 2.1
Tensorrt 2.1 ให้การปรับปรุงที่สำคัญในประสิทธิภาพการอนุมาน DNN รวมถึงคุณสมบัติใหม่และการแก้ไขข้อบกพร่อง นี่คือการเปลี่ยนแปลงที่แตกหักซึ่งต้องใช้ Jetson อีกครั้งกับ Jetpack 3.1