編程無人機可以在不確定的情況下飛行

【博科園-科學科普（關注「博科園」看更多）】像亞馬遜這樣的公司對無人機有很大的創意，可以把包裹送到你的家門口。但是，即使撇開政策問題不談，編程無人機在城市這樣雜亂的空間飛行也是很困難的。在高速行駛時，能夠避開障礙物是計算複雜的，特別是對於小型無人機來說，它們在執行實時處理方面的能力有限。許多現有的方法都依賴於複雜的地圖，它們的目的是告訴無人機它們相對於障礙物的位置，這在現實世界中並不是特別適用於不可預測的物體。如果他們估計的位置偏離了哪怕只是很小的邊緣，就很容易崩潰。

麻省理工學院的CSAIL系統允許無人機在森林中飛行。圖片版權：Jonathan How, MIT

考慮到這一點，麻省理工學院計算機科學與人工智慧實驗室(CSAIL)的一個團隊開發了NanoMap系統，該系統允許無人機在森林和倉庫等密集環境中持續飛行20英里每小時。NanoMap的一個關鍵洞見是非常簡單的：系統認為無人機在世界上的位置是不確定的，而實際上模型和解釋是不確定的。一篇新的相關論文的第一作者研究生皮特·弗洛倫斯(Pete Florence)說：如果你想讓無人機在人類環境中以更高的速度運行，過於自信的地圖將無法幫到你。一種更好地意識到不確定性的方法，使我們能夠在近距離飛行和避開障礙物的情況下獲得更高的可靠性。具體地說，NanoMap使用一個深度感測系統來對無人機的周邊環境進行一系列的測量。這使得它不僅可以為它當前的視場做運動計劃，而且還能預測它應該如何在它已經看到的隱藏的視野中移動。

這就像是把你在世界上看到的所有圖像都保存在腦海里。為了讓無人機計划行動，它實際上會回到時間去考慮它所在的所有不同的地方。該團隊的測試表明了不確定性的影響。例如如果NanoMap不建模不確定性，而無人機只會偏離預期的5個百分點，那麼無人機將會比每四次飛行的次數多一次。與此同時當它考慮到不確定性時，崩潰率降低到2%。這篇論文是由弗洛倫斯和麻省理工學院的教授Russ Tedrake和研究軟體工程師John Carter和Jake Ware共同撰寫的。最近，在澳大利亞布里斯班舉行的IEEE機器人與自動化國際會議(ICRA)被接受。

超越地圖

多年來，計算機科學家一直在研究演算法，讓無人機知道它們在哪裡，它們周圍是什麼，以及如何從一個點到另一個點。像同步本地化和映射(SLAM)這樣的通用方法可以獲取世界的原始數據，並將它們轉換為映射的表示。但是SLAM方法的輸出通常不用於計划動作。這就是研究人員經常使用的方法，比如「佔用網格」，在這個方法中，許多測量方法被合併到一個三維世界的具體表現中。問題是這樣的數據既不可靠也很難快速收集。高速度的計算機視覺演算法不能充分利用它們的環境，迫使無人機依賴於慣性測量單元(IMU)感測器的不精確數據，該感測器測量諸如無人機的加速度和旋轉速度等。

麻省理工學院的CSAIL系統允許無人機在森林中飛行。圖片版權：Jonathan How, MIT

NanoMap處理這個問題的方法是，它本質上不會為次要細節傷腦筋。它的運作原理是為了避免一個障礙，不需要用100個不同的測量值來計算出它在空間中的精確位置;相反，可以簡單地收集足夠的信息，以了解該對象位於一般區域。卡內基梅隆大學機器人研究所的系統科學家Sebastian Scherer說:「之前研究的關鍵區別在於，研究人員繪製了一幅地圖，由一組圖像組成，它們的位置不確定，而不僅僅是一組圖像，以及它們的位置和方向。保持對不確定性的跟蹤，可以利用以前的圖像，即使機器人不知道它的確切位置，並允許改進計劃。弗洛倫斯把NanoMap描述為第一個能讓無人機飛行的系統，它可以利用3D數據來識別「姿態不確定性」，這意味著無人機在穿越世界的過程中並不完全了解它的位置和方向。未來的迭代也可能包含其他信息，比如無人機的個人深度測量的不確定性。

NanoMap尤其適用於小型無人機在較小空間的移動，並與第二系統協同工作，該系統專註於更長遠的規劃。(研究人員去年在一個與美國國防高級研究計劃署（DARPA)有關的項目中對NanoMap進行了測試）。該團隊表示，該系統可以用於搜索、救援和防禦、包裹遞送和娛樂等領域，也可用於自動駕駛汽車和其他形式的自主導航。研究人員展示了令人印象深刻的結果，避免了障礙，這項工作使機器人能夠快速檢查碰撞。在障礙之間快速飛行是一個關鍵能力，它將允許更好地拍攝行動序列，更有效的信息收集和未來的其他進展。

知識：科學無國界，博科園-科學科普

內容：經「博科園」判定符合今主流科學

來自：麻省理工學院

編譯：公子世無雙

審校：博科園

解答：本文知識疑問可於評論區留言

傳播：博科園

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！