高速无人机独立穿越森林,全程自己规划路线,时速高达40公里
兴坤 发自 凹非寺
量子位 报道 | 公众号 QbitAI
时速40公里的无人机,并不稀奇。
但能用这个速度在茂密的森林里穿梭,还是“自己遛自己”的那种,你见过吗?
如此高超的避障飞行走位,可不是人类用手柄操作出来的,全靠无人机的“自我管理意识”。
就算是遇到运动的障碍物,只要比这个无人机速度慢,它就都可以躲得过去。
这款自主避障无人机,是由苏黎世大学与英特尔联合开发。
具体而言,就是以立体深度摄像头作为眼睛,让无人机可以自己看得见障碍物,并规划飞行轨迹。
换上不同性能的相机,它还可以自主完成不同的任务。
比如说躲避迎面砸过来的篮球,像这样:
完成被称作无人机杂技的高难度飞行轨迹也不在话下。
如此灵活的无人机,是怎么被教出来的?
一对一的无人机避障学习
传统的无人机自主避障飞行,一般都是信息处理-制作地图-规划路线的处理方式。
但是由于无人机搭载的芯片性能有限,如果信息处理不及时,无人机就可能会撞上障碍物造成事故。
想要提高信息处理速度,不如把三步合并为一步,利用机器学习完成输入到输出的映射。
具体来说,就是从传感器信息输入直接到飞行轨迹输出,这种处理方式在速度上要大大优于传统方法。
如上表所示,和传统的FastPlanner、Reactive路径规划方法相比,这个算法所需的处理时间更短。虽然Reactive的处理速度也很快,但是它在高速飞行中的表现较差。
那么,无人机如何实现从传感器输入,直接到飞行轨迹的输出映射?
这里就用到了卷积网络来模拟训练。
模拟中的神经网络训练使用了一个“专家控制器”(expert controller),它可以使用3D点云,准确估计出模拟训练中的环境状态与无人机四旋翼状态。
由于模拟训练没有时间限制,“专家控制器”可以更充分地自行训练端到端策略。
控制器还用到了Metropolis-Hastings (M-H) 算法来计算轨迹的分布,获得多模式导航方案。
在这个过程中,端到端策略训练如下图所示:
训练完成的“专家控制器”,将会去教授现实中无人机上的“学生控制器”(student controller)。
“学生控制器”在跟随“专家控制器”飞行时,使用的传感器输入均做了抽象化处理,以此来模拟现实世界中不精确的环境数据。
传感器输入的现实图像数据,会被抽象处理成与模拟环境一致的数据,以此来完成训练轨迹在现实中的映射。
在雪地、脱轨火车、废墟、茂密植被和倒塌的建筑物等场景下,无人机已经实现了自主穿越。
针对运动模糊、传感器噪声和其他感知伪影等情况,无人机同样可以轻松处理。
能征服森林的无人机,也有它的“禁区”
当然了,目前这款无人机的性能还称不上完美无缺。
模拟系统无法完全照搬到真实世界,现实中总会出现一些模拟不了的意外事件。
比如在低照明及其他影响视觉的环境条件下,相机感知会受到限制。像是雾霾天气、有透明或反光表面存在的情况,无人机便无法准确避障飞行。
专家控制器的训练不包括动态障碍物躲避,所以高速移动的物体仍然会是无人机的一大威胁因素。
针对性能的优化,研究人员指出:
只需要使用事件相机代替传统相机,这些视觉方面的受限因素均可以被克服。
能够更快处理环境信息的传感器,将会是未来高速无人机的配置方向。
同时,相关专家也提到,现实世界也将可能成为训练无人机的场所。
随着传感器功能和计算机能力的提升,无人机在更复杂环境中的飞行速度,很快能超过40公里/小时。
参考链接
https://spectrum.ieee.org/racing-drone
https://spectrum.ieee.org/ai-powered-drone-extreme-acrobatics
https://spectrum.ieee.org/event-camera-helps-drone-dodge-thrown-objects
高速无人机独立穿越森林,全程自己规划路线,时速高达40公里相关推荐
- 单目标应用:基于蛇群优化算法(SO)的无人机(UAV)三维路径规划(提供MATLAB代码)
一.蛇群优化算法SO 蛇群优化算法(Snake Optimizer,SO)由Fatma A. Hashim和Abdelazim G. Hussien于2022年提出,该算法思路新颖,快速高效,模拟了蛇 ...
- 2010考研全程学习规划简案【推荐】
万学海文考研全程学习规划简案 对全国937所院校考研学生的学习时间调查显示:如果考生提前一年进行研究生入学考试的准备,扣除其完成学校课程及考试,参加四.六级,参加工作面试等等必不可少的事宜所占用的时间 ...
- 论文笔记-高速无人机网络MAC协议
参考文献: 常扬, 陈建民, 马鹏飞. 高速无人机网络MAC协议设计与性能分析[J]. 无线电工程, 2011(03):27-30. 注意: 文中双引号斜体部分为引用论文原文 论文背景 需要一套快速展 ...
- 无人机技术在森林资源保护中的应用
作为其他生态系统主要的空气来源,森林的可持续发展是十分重要的.但近年来,森林资源的可持续性受到严重的损害,恢复森林活力,保护林业资源,无人机技术的应用在这一领域发挥了重要的作用. 从某种意义上来说,对 ...
- 30分钟带你了解软件测试行业,附送一份超清晰的学习规划路线...
我个人进入软件测试这个行业也小十年了.回首过往,很感激在初入软件测试职场有大佬的提携,让我明白作为一个软件测试工程师应该具备的能力和对该职业的认知.也很感激,之后遇到赏识我的领导,给予我机会,可以带领 ...
- python语音规划路线_重新规划路线(python)
问题描述 n 座城市,从 0 到 n-1 编号,其间共有 n-1 条路线.因此,要想在两座不同城市之间旅行只有唯一一条路线可供选择(路线网形成一颗树).去年,交通运输部决定重新规划路线,以改变交通拥堵 ...
- leetcode1466. 重新规划路线(dfs)
n 座城市,从 0 到 n-1 编号,其间共有 n-1 条路线.因此,要想在两座不同城市之间旅行只有唯一一条路线可供选择(路线网形成一颗树).去年,交通运输部决定重新规划路线,以改变交通拥堵的状况. ...
- LeetCode 1466. 重新规划路线(DFS/BFS)
文章目录 1. 题目 2. 解题 2.1 DFS 2.2 BFS 1. 题目 n 座城市,从 0 到 n-1 编号,其间共有 n-1 条路线.因此,要想在两座不同城市之间旅行只有唯一一条路线可供选择( ...
- PHP地图规划骑行路径,骑行路线规划-路线规划-开发指南-iOS 导航SDK | 高德地图API...
基本介绍 要实现骑行路径规划功能,以下三个类您需要了解:AMapNaviRideManager 是骑行导航管理类,提供路线规划.行前选路.导航中重算等方法.注意:从导航SDK7.4.0开始,AMapN ...
最新文章
- 推荐一个HTML的语法高亮解析器
- Ejabberd源码解析前奏--配置
- GDCM:从VR查找标签的测试程序
- 相对湿度计算软件_空调工程负荷详细计算方法(附有实例)
- 各种光源(灯)的光谱
- 插件代码_我们开源了一款 SonarQube iOS 代码扫描插件
- (二十六)java版spring cloud+spring boot 社交电子商务平台-Eureka介绍
- 在ubuntu linux 中编写一个自己的bash脚本
- 开发环境配置(netbeans+ant迁移到eclipse+maven)
- python调用r语言函数_Python 中使用R语言
- Web端QR二维码扫描实现
- 中国移动路由器怎么设置虚拟服务器,中国移动宽带无线wifi设置方法【图】
- 怀旧服服务器物品栏在哪里,魔兽世界怀旧服:祈福服务器的真实情况,装备不贵,玩家确实不多...
- web开发框架_Web开发的十大框架
- [转] 全套汽车标志,好不容易找到的哦!
- bearer token_接口认证方式:Bearer Token
- java 模板生成PDF文件 复选框勾选
- android 9.0 10.0 去掉音量键+Power键组合键的屏幕截图功能
- 浪潮服务器重置密码方法
- Python中graphics不存在,解决办法