時隔一年 Vijay Kumar 再登 GAIR 講台，講述自動化的技術與社會挑戰（上） | CCF-GAIR 2017

雷鋒網按：2017年7月7日至9日，全球人工智慧與機器人峰會CCF-GAIR大會在深圳成功舉辦。本次由CCF中國計算機學會主辦、雷鋒網與香港中文大學（深圳）承辦。來自全球30多位頂級院士、近300家AI明星AI企業，齊聚智能科技產業盛會。

Vijay Kumar在無人機領域被稱為「無人機大神」。他在多機器人的編隊控制協調，做出了非常大的貢獻。2016年，Vijay Kumar在CCF-CAIR峰會上介紹了無人機會向著Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）「5s」的趨勢發展。時隔一年 Vijay Kumar 再登 GAIR講台，以「Challenges in Autonomy」為主題，進行了演講，重點介紹了自動化浪潮的技術與社會挑戰。Vijay Kumar是美國賓夕法尼亞大學工程院院長，同時也是美國國家工程院院士，美國電子電氣工程師協會研究員（IEEE Fellow）。

以下為Vijay Kumar演講速記全文整理，雷鋒網在不改變原意的基礎上做了精編：

今天我講的主要內容是自動化當中所遇到的挑戰，尤其是無人機方面的挑戰。如今智能駕駛汽車有了很大的進展，但是以下無人機的這些挑戰是無人車所沒有的：

無人車是在已知的道路上飛行，而無人機是在 3D 空中飛行。

無人車有 GPS 的導航，無人機沒有，尤其在室內環境中飛行的時候。

車上面有很多感測器，但是在無人機裡面，如果多放一公斤荷載，可能消耗的能量就會越高，會帶來很大限制。因此我們希望儘可能降低無人機的能耗，能夠讓它更加有效率，我們才能獲得更多的訊息和數據。

無人機需要控制才能維持平衡，安全尤為重要。在汽車裡面，只要剎車就安全了。在無人機上，這個問題更加複雜。

汽車的環境更加簡單一些，我們有不同的模擬，可以感知到地板有平面的波動或者有牆，但是無人機上要感知外界環境會更加困難。

上圖是我們過去5年製造的無人機，可以看出無人機的尺寸越來越大，可以放更多的感測器上去，它的自動化程度也有所提高，這是自然而然的結果。因為我們大家都希望讓它有更高的感知能力，能夠讓飛行器更加的強大，有更多的功能。

如何讓無人機在戶內、戶外的環境安全飛行呢？可以讓它做快速響應、救災、減災的工作，可能是人類無法到達的危險區域，可以快速收集一些訊息。

這是我們的一個機器人，它可以在室內的環境進行飛行，不需要外在攝像頭。它有一個感知的功能，比如圖像可以看到傳統的反饋機制，我們可以感知到周圍的環境，採取相應的動作來回應，在我們的控制系統裡面可以實現比較低的層面。

在更高級的層面上，可以看到在系統當中，我們可以以更高的層面將感知/行動的循環去建立，有時候可以在屏幕上看到，有時候可以進入到它的計算機裡面。比如我想從一個地方到達另外一個地方，如果中間有障礙物，需要避險，所以中間要採用不同的動作。

最高的層面，我們可以去建立一個反饋機制，可以對它進行控制。這是人和機器進行互動的過程。我們可能沒有辦法讓計算機在最低的層面自動和人進行互動，但是更高的層面，人機可以互動，可以完成一些工作，所以這就是一種感知和行動的反饋循環，這樣我們就可以進一步發展，來建立更多的感知行動。

最低的層面需要我們實時控制。只有通過這種方式才能讓機器人非常可靠的去運動，幫助我們完成任務。這裡面不僅僅是它的 3D 位置，還需要知道它的行進方向和旋轉角度。事實上只有 4 個旋翼，還有一些機器有 6 個旋翼，不管有多少個旋翼，我們都必須要知道它的位置和方向，利用控制軟體進行實時控制，在控制系統當中對它發出指令。

當然，我們有不同的平面，如果看一下系統裡面的行進方向、線性、動力，比如說它的垂直速度或者是平行的速度，加起來就非常複雜。所以你可以看到，二者之間更加複雜，我們要對比一下它的行動，平面上的運動方向，以及它垂直上的運動方向。

操作是左手邊開始做，右手邊對它進行操作，這是更加複雜的過程。可以將它分成幾個不同的部分來看待，它有一個運動軌跡，這個運動軌跡中要找到一個推動力，我們管它叫 F，我們看到它的現有位置和目的位置之間的聯繫是怎麼樣的，將它進行移動。我們要為它制定一個方向，這個方向就可以讓機器自行推動到目的地。

當然，我們也要建立其他維度，比如T這個維度，是它要行進的方向，我要讓它的角度達到理想的狀態，我們要進行計算、看目的地的角度是多少，然後讓它進行移動。我們設計的時候需要用計算機幫助我們做計算，另外我們看到這樣的等式能夠讓無人機去到任何我們想讓它去的地方。當然，同時也要確保它的穩定和可靠性。舉個例子，無人機在空間當中進行三維運動，這是室內中的實驗，當然在戶外也可以實現。

反饋循環，先進行路線規劃，對位置進行控制，高度以及它所在的3D位置。得到反饋路徑之後，對它的速度和位置進行計算，如果我們沒有運動攝像機，只能通過無人機上自帶的攝像頭來實現這個目的，我們可以把相應的獲取的數據進行分析，加上它的慣性分析，就可以知道它應該往哪個方向去。

這裡面我們的頻率是200HZ，我會向大家展示戶外、室內的實際運動的情形。這裡我們增加了複雜性，因為實際操作環境往往更加複雜。我們對它運動的路徑進行計算，也會增加U這個角度，整個系統是四維角度，如果把角度增加進去是有四個維度，這樣可以儘可能的降低飛行器出錯的可能性。在高速運動的時候，我們必須依靠剛才所講的所有訊息，包括模式、檢測的維度，如果能夠給到更多的感測器，除了IMU、GPS，我們可能有更好的表現，包括鐳射激光的掃描，還有其他感測器，機器表現會更高，當然這都是在200HZ頻率下實現的。

這個機器達到每秒70米的速度，沒有GPS，它可以從戶外進入室內，立刻進行剎車，速度會很快降低，它可以在攝像頭當中觀察到環境的變化，也可以從5m/s 、10m/s的速度加速。在戶外進行飛行時，可以看到機器明顯有前傾動作，當然也沒有GPS。

在有障礙物時，就必須加另外一層。有來自不同感測器的信息，這些信息事實上結合在一起，建立局部地圖，局部地圖讓我們本身的機器了解要選擇哪樣的飛行管道，所以飛行軌道選定之後，就可以幫助我們避開障礙。但是在這個層次上，我們可以建立起整體地圖。很多情況下，我們不需要整體地圖，要局部地圖就可以，導航需要局部地圖幫助我們避開障礙，同時保證無人機的安全性。

我們看一下如何做避障，上圖當中有無人機，它在室內有很多障礙物，我們使用的是鐳射掃描儀，幫助我們更好的了解周圍的障礙物。我們看一下這個等式，可以清楚看到在不斷降低成本，這裡包括兩種成本：一是時間成本，希望減少時間；二是實現儘快的流暢性以及靈活性，要對這些參數進行設置，要麼得到較快的速度，要麼得到比較流暢的行為。同時我們會不斷優化飛行的路徑。每1/3秒就進行一次飛行軌跡優化，它由4個元素所決定：

• 環境並不會有太多問題，我們必須找到複雜環境當中比較好的飛行路徑。

• 控制系統必須足夠複雜，像我剛才所說的。

• 必須有相應的相關限制組織，它只朝一個方向前進，不可能出現逆回。事實上，有很多要探討的預先條件才能解決避障過程。

• 在沒有辦法看到整體環境下，必須設想。導航過程中，眼睛能看到的只是20-40米的能見度，因為感應器是輕量的，可能沒有能力看到20-40米以外的物體。

我們一開始想建立一個空間，空間建成的過程中，作為空間集合，它不斷發生變化，我們對整個集合形成一個自由空間，優化的問題是在傳統共識集成的基礎上。左上方，大家可以看到這是直行的動作，這是比較基礎的路徑的探討。但是整個操作的過程當中，也有很多的點，它不再是傳統的物理空間，是損失空間，它可以是六個維度。在這個過程中，我們就能找到安全飛行的軌跡。基於右邊，到底我們的機緣是什麼？我們可以對這樣的解決方案進行選擇，飛得快或者飛得順暢，一系列前置條件都必須以非常高的方式才能最終實現比較順暢的導航解決方案。

複雜性，我們視野很有限。比如你站在Pk（tk）的點，你需要去紅色五角星的地方，你的視野只能看到屋內一部分，你要計劃一個飛行軌跡，你的解決方案就是我畫的這樣，但是必須要確保，你沒有辦法看到視野以外的東西。如果你飛得特別快，如果你在中間出現了障礙物，你應該怎麼做，你沒有時間停下來，可能會撞上去，應該怎麼做呢？對我們來說是如何解決有效地視野，每秒飛行速度20米，你已經沒有辦法通過減速和加速實現有效停止，可能遇到避障的反應時間只有20米，如果沒有感應器，要實現40米寬的視野就沒有辦法避障。

我們只做部分軌跡的規劃，如果有第二個參數可以做第二次軌跡操作，這樣的操作能保證本地停下來，在G點保證飛行的安全性，有兩個努力的過程：

• Pk到Pk+1。

• 現場情況做軌道的集成和生成，這樣的知覺和行動的回落當中，飛得盡量快。那麼系統本身是否停下來可以形成系統的知覺，最後規划下一步的下一步飛行路徑，這樣我們會有所為停車的原則。這就是我們在解決方案上的方法。

一開始我們飛得足夠快，使用快速飛行，一旦到達終點，後來要實現任何視野當中的障礙物，可以實現急速停車，系統再進行下一步路徑的優化。這是我們使用的非常基礎的演算法，在沒有GPS過程中，只要使用裝載的感應器就可以做到二次軌道規劃，可以保證安全性、完整性，如果有任何的解決方案，我們的機器人總是可以使用這些解決方案。最後是優化，事實上只能稱之為次優化，大部分複雜的限制條件，我們只能保證飛行器的安全性和完整性，但是我們會不斷嘗試最優解決方案。

在有限的視野當中，我們如何做軌跡規劃，左邊的圖可以看到，只能看到綠色部分。事實上機器人實現了多個無人機的角度切換，切換過程中，一旦遇到障礙物，會快速停下來進行計算，最終找到最優的飛行路線。無人機在室外的活動過程將更加複雜，如旁邊種了很多樹，我們希望達到每秒20米的飛行速度，我們實行了動態的軌跡的生成，同時可以幫助我們實現自由空間的軌跡的生成，同時保證飛行器的安全性以及完整性。室外飛行，無人機不知道樹在哪裡，沒有任何GPS，但是飛行速度很快，這部分能達到每秒5米的飛行速度。

我們正在做的另外一個案例是讓無人機去找一個物體，找到後自動停下來。無人機不知道周圍的環境，它飛得足夠快，找到潛在的地址，找到物體就停下來。在救援過程中要飛得越快越好，找到生存的物體，找到可疑的爆炸物，只要找到就可以。操作過程中實現了優化操作，在戶外環境當中，無人機並不知道物體放在室內，在整個過程當中，關閉所有門，而無人機需要尋找開著的門進入室內，接著尋找物體，它最終尋找物體所在地是它的軌跡，並且能夠避開一切障礙物。

無人機成功進入室內，我們使用很簡單的是物體監測演算法。當飛回來之後，它並不記得第一次飛行路徑中所看到的目標物，無人機又開始分析，從黑暗的室內環境進入高亮度的室外環境，再回到室內環境中，它最終告訴我們它找到橙色的標記物。它以每秒5米的速度快速飛行，我們把速度推到每秒10米，這取決於障礙物的密度。自由空間可以達到每秒20米，但是障礙物空間中只能達到每秒5米的飛行速度。

上圖展示的是室內的導航的過程，左下角的圖片展示了無人機的位置，同時顯示了我們想讓它達到的位置，整個過程中它會找到一些障礙物，比如牆壁、沙發，還有可能出現的人體，它繞過了沙發，看到了Jeason，我的同事。他避開了Jeason，去到另外一個空曠的區域，遇到我另外一位同事，他跨過所有障礙物來到一個空曠的空間，最終完成了它的製圖過程，像這樣的軟體可以幫助我們實時收集無人機所看到的信息，形成製圖成果。

上圖是在倉庫環境當中採用無人機的用途，比如它可以看到架子上所有的物件，可以讓人們知道在什麼地方擺放什麼樣的物件，看起來很簡單，但我們不知道哪些地方有東西，很多時候工人把東西亂放，然後就忘記了把東西放在什麼地方。他們可能知道這個物件在倉庫裡面，但具體不知道在哪個位置。我們利用無人機去找它，這樣就不需要再重新整理倉庫了，只需要派一個無人機就知道這個物件擺在什麼地方。

另外，我們可以避開物體相互碰撞，比如避免和汽車、自行車碰撞。無人機可以識別運動的物體和靜止的物體，這點非常重要，可實現無人駕駛。

我向大家展示機器的另外一項能力，我們和高通公司在合作，這是我們實驗室進行的實驗，最小的無人機是全自動化無人機，大概只有15G，沒有任何的操縱者，也沒有GPS，它只是用來滿足從一個地方到另一個地方最近的路徑是怎樣的。第一個視頻，無人機可以繞過第一個障礙物，從右繞過第二個障礙物。我們有不同的柱子，每隔3米設立一個柱子，讓機器以每秒5米的速度繞過這些柱子。這是一個比較窄的縫，需要無人機自動穿過縫隙。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！