无人机如何学习自主飞行

快速阅读: 《电子说明符》消息，无人机易受干扰且飞行不稳定，科学家研发新方法使其自主导航。通过融合多种传感器数据并结合人工智能技术，无人机可无需GPS信号完成复杂任务，有望应用于检查基础设施或太空探测等领域。

空气中充满了嗡嗡声。但在这里嗡嗡作响的不是蜜蜂或大黄蜂，而是机器。小型敏捷的无人机已成为我们世界的一部分，不仅能提供令人惊叹的空中视角，而且作为群体并配备灯光，在天空中创造出令人印象深刻的三维图像。无人机还用于检查关键基础设施或为自然保护目的勘测大片土地。

然而，目前这些机器非常脆弱且飞行不稳定。微型机载计算机必须不断修正它们的飞行路线，轻轻碰到障碍物通常会导致坠毁。与斯特凡·韦斯共同领导克拉根福大学网络化系统控制研究组的是扬·施泰因布雷纳。他们的目标是教会无人机自主飞行，这意味着无人机不再需要依赖外部输入如GPS数据来确定其位置。这在无人机无法接收到GPS信号的情况下尤为重要。

“无人机的重量及其可用能量和计算能力都非常有限，”施泰因布雷纳解释说。“这使得与它们的合作成为一个特殊挑战。”

施泰因布雷纳的研究项目名为“学习飞行”，由奥地利科学基金会在其“1000个创意计划”下资助，该计划支持创新的研究方法。这个标题恰当地描述了他的方法，因为他从生物体如何控制自己的身体并在空间中导航中获得灵感。

**人工智能导航**

“在复杂的障碍物中间，GPS信号不足以引导无人机导航，”施泰因布雷纳说。“因此，无人机必须能够自动导航。”无人机实现这一点的一种方式是分析其内置摄像头拍摄的图像以计算自身在空间中的位置和旋转。

关于这种方法的问题，研究人员指出：“为了稳定地飞行和导航，无人机理想情况下每秒需要计算自身的位置一百次，但机载的小型计算机因其有限的计算能力无法充分处理摄像机拍摄的图像。”

相反，施泰因布雷纳和他的团队利用无人机中的另一个传感器的数据，该传感器在位置或旋转发生变化时发出信号。这个加速度计提供了大量的数据，但它们不够精确。

“我们利用人工智能将这两股数据流融合起来，”施泰因布雷纳指出。无人机上的计算机能够大约每秒评估一次摄像机拍摄的图像。在间隔期间，新的AI算法依据加速度计提供的不太精准的数据辅助控制无人机。此外，算法还可以帮助分析过暗或模糊的摄像机拍摄的图像。“这种使用不同传感器数据的方法已经存在很长时间了，但我们通过人工智能扩展了它。”

**通过悬停学习**

与其使用强大的计算机和预先录制的数据来训练算法的常规方法不同，研究人员选择了一种受生物启发的方法。“婴儿只是逐渐学会如何使用自己的身体并在世界上找到方向，”施泰因布雷纳说。“类似地，我们让无人机上的算法逐步学习它们如何帮助导航。”

最初，研究人员测试了简单的悬停，无人机没有进行大的移动。无人机上的算法使用其加速度计数据逐步提高飞行稳定性。由于无人机在悬停时可以通过系绳防止坠毁，因此这个实验也最容易多次进行。

“无人机很脆弱，坠毁很容易破坏它们。如果算法没有达到最佳性能，这种情况很快就会发生，”施泰因布雷纳笑着说。“与这样的算法合作总是带有一定的经验性。你提出一个想法，然后就只能尝试一下。”

悬停测试取得了成功，并给研究人员提供了哪些类型的AI算法最适合这项工作的见解。下一步，他们计划使用AI算法稳定更复杂的飞行操作。他们还打算推广他们的方法，使他们的软件也能与其他无人机模型和传感器一起工作，而不仅仅是他们测试过的那些。

**未来的应用前景**

施泰因布雷纳心中有许多未来的应用：“能够自主导航且无需外部信号的无人机可以独立检查桥梁或难以到达的高压电塔等关键基础设施，或者调查对人类构成危险的情况。它们甚至可以在其他行星上自主探测，那里显然不存在用于导航的GPS。”

通过融合多种传感器数据，并结合人工智能技术，施泰因布雷纳正一步步引领无人机迈向真正的自主飞行。未来，这些智能机器将在更多领域展现其潜力，为人类带来更多的便利与惊喜。

(以上内容均由Ai生成)