การคำนวณเชิงควอนตัมเพื่อการปรับปรุงประสิทธิภาพของอัลกอริทึมการนำทางด้วยภาพสำหรับอากาศยานไร้คนขับ

บทคัดย่อ

งานวิจัยนี้นำเสนอการประยุกต์ใช้เทคนิค Quantum-Inspired Optimization (QI) เพื่อเพิ่มประสิทธิภาพของระบบนำทางด้วยภาพสำหรับอากาศยานไร้คนขับโดยผสานการทำงานเข้ากับโมเดลตรวจจับวัตถุแบบ YOLO ภายใต้สภาวะการทำงานแบบ CPU-only การทดลองดำเนินการบนแพลตฟอร์ม Google Colab โดยใช้วิดีโอจากการบินจริงของโดรน เพื่อเปรียบเทียบประสิทธิภาพระหว่างอัลกอริทึมแบบปกติและแบบที่เสริม QI ผลการทดลองแสดงให้เห็นว่าอัลกอริทึมที่ใช้ QI สามารถเพิ่มประสิทธิภาพของ FPS เฉลี่ยจาก 5.39 FPS เป็น 6.28 FPS ซึ่งเพิ่มขึ้นร้อยละ 16.5 การปรับปรุงเกิดจากการลดจำนวนคิวบิตจาก 3 คิวบิตลดลงเหลือ 2 คิวบิต และลดจำนวนการสุ่มจาก 128 ลดลงเหลือ 64 เพื่อเพิ่มประสิทธิภาพการจำลองวงจรควอนตัม และลดเวลาในการประมวลผลโดยรวม ผลลัพธ์แสดงให้เห็นว่าเทคนิค Quantum-Inspired Optimization สามารถประยุกต์ใช้ร่วมกับอัลกอริทึมการประมวลผลภาพในระบบฝังตัวได้อย่างมีประสิทธิภาพ โดยเฉพาะในกรณีของ UAV ที่มีข้อจำกัดด้านพลังงานและทรัพยากรการคำนวณ