|
|
|
<p>机器之心报道</p><p><STRONG>编辑：蛋酱</STRONG></p><p>基于苏黎世大学研究职员开辟了一种新算法，让自主飞行的四旋翼飞行器计算出充实考虑无人机局限性的时间最优轨迹，并初次在无人机比赛中赛过两名流类驾驶员。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363084/641"/></p><p>对于工业用途的无人机来说，由于电池续航有限，它们必须在尽大概短的时间内完成使命，比如在灾难现场探求幸存者、查抄修建物、运送货物。在此类使命中，无人机必须通过一系列航点（如窗户、房间或特定位置）进行查抄，在每个路段采用最佳轨迹和精确的加快或减速。顶尖的人类无人机驾驶员在这一方面有着丰富的经验，并在以往的无人机比赛中表现均优于自主飞行体系。</p><p>来自苏黎世大学 (UZH) 的研究团队创建了一种算法，以找到最快的轨迹来引导四旋翼飞行器（带有四个螺旋桨的无人机）通过路线上的各个航点。这项研究克日发表在《Science Robotics》。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363085/641"/></p><p>论文链接：http://rpg.ifi.uzh.ch/docs/ScienceRobotics21_Foehn.pdf</p><p>「我们的无人机在实行赛道上超越了两名专家级人类驾驶员的最快圈速，」Davide Scaramuzza 说道，他是 UZH 机器人与感知小组和 NCCR Robotics 救济机器人挑衅赛的负责人，也是这个挑衅赛项目资助了这项研究。</p><p><STRONG>算法凭什么击败人类驾驶员？</STRONG></p><p>这一算法的新奇之处在于，它充实考虑了无人机的局限性，第一个天生了时间最优轨迹，而以往的研究通常依靠于四旋翼体系简化或飞行路径形貌。「关键在于，我们的算法并不会将飞行路径各部门去分配给特定航路点，只是告诉无人机通过所有航路点，且不规定出怎样或何时如许做，」论文第一作者、苏黎世大学博士生 Philipp Foehn 增补说。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363086/641"/></p><p>这台用于真真相况实行的无人机装备，理论上推重比（thrust-to-weight ration）接近 4，重量为 0.8 公斤，装备有 Jetson TX2、莱尔德通讯模块、现成的无人机比赛组件和用于运动捕获的红外发射标志器。</p><p>研究者提出利用互补约束（complementary constraint）来优化通过很多路径点的轨迹，这种新的算法天生了理论上的时间最优轨迹。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363333/641"/></p><p>新算法的动态表示图。</p><p>算法控制的无人机与两名专家级人类驾驶员的计算机轨迹如下动图所示：</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363335/641"/></p><p>研究者在一场实地的无人机比赛中进行了演示，比赛的最终目标是充实利用飞行器的潜力在最短的时间内完成一项使命。他们让算法和两名流类驾驶员驾驶同一个四旋翼飞行器通过赛道，利用外部摄像头来精确捕获无人机的运动，并向算法提供有关无人机在任何时刻所处位置的实时信息。</p><p>为了确保公平比力，人类驾驶员有机会在赛道上进行赛前训练。但是最终还是算法还是击败了专业的无人机驾驶员：它在所有的圈数上都比人类要快，而且表现更稳定。这并不奇怪，由于一旦算法找到了最佳轨迹，它就可以多次再现它，这一点上与人类驾驶员差别。</p><p>详细地，研究者分别在推重比 3.3 实行了两次，在推重比 3.15 实行室了一次。无一例外，算法控制的无人机在时间上都击败了人类专家级驾驶员。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363336/641"/></p><p>两名流类专家级驾驶员操控的无人机（上）与算法控制的无人机（下）在比赛中的飞行轨迹。</p><p>从下图可以看到，无论是推重比 3.3 还是 3.15，研究者提出的时间最优轨迹均比专家级人类驾驶员的最佳单圈速要快，而且方差显着降低。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363570/641"/></p><p>在实行过程中，研究者在一个有 7 道关卡的 3D 赛道上，捕获了两个专业无人机赛车驾驶员的动作作为人类 baseline，如下图 4 所示。研究者规划了一个时间最优轨迹来通过同一赛道，并利用内部研发的无人机平台和软件栈在同一动作捕获环境中运行相同轨迹。此处天生的轨迹推力比平台可以或许提供的要小一些，以便在扰动下保持可控性。</p><p><img src="https://inews.gtimg.com/newsapp_bt/0/13809363571/641"/></p><p>左侧黄红两色是人类驾驶员的轨迹（7 圈），右侧黄红两色是自主行驶的无人机（2 圈），左右的蓝绿色均为时间最优轨迹，推重比为 3.3。</p><p>在商用之前，这一算法必要面临的门槛是「降低计算要求」，由于如今计算机必要长达一个小时来计算无人机的时间最佳轨迹。别的，如今无人机依靠外部摄像头来计算位置，在未来的工作中，研究者们盼望利用机载相机。原则上，无人机比人类驾驶员飞得更快是有盼望的。Scaramuzza 说：「这种算法可以在无人机包裹递送、查抄、搜索和救济等方面有巨大的应用潜力。」</p><p>参考链接：</p><p>https://techxplore.com/news/2021-07-algorithm-flies-drones-faster-human.html</p><p>https://robotics.sciencemag.org/content/6/56/eabh1221</p><p><STRONG>「2021 AI 100 Connect Webinar」AI + 工业专场</STRONG></p><p>聪明物流作为智能工厂的核心一环，智能机器人的发展趋势是什么？应怎样驱动聪明物流走向大规模应用，推动工厂的智能化升级呢？对于工业质检范畴来说，智能检测装备的本钱应怎样平衡？怎样应对更高的定制化需求呢？</p><p>7月28日19:30-21:00，「2021 AI 100 Connect Webinar」AI + 工业专场系列第一场直播间约请到极智嘉 AI 研究院院长谭文哲，鲲云科技合资人首席运营官 / 鲲云人工智能应用创新研究院副院长王少军博士围绕智能机器人和 AI 视觉检测两大方向带来趋势洞察和案例分享。</p><p><STRONG>识别海报二维码，参加直播互换群。</STRONG></p><p>THE END</p><p>转载请接洽本公众号得到授权</p> |
|
/1 
