編程無人機面對不確定性飛行

像亞馬遜這樣的公司對無人機有很大的想法，可以直接送貨上門。但是，即使把政策問題放在一邊，編程無人機也很難在城市等雜亂的空間飛行。能夠在高速行駛時避開障礙物在計算上是復雜的，特別是對于小型無人機而言，這些小型無人機可以攜帶多少以進行實時處理。

許多現有方法依賴于復雜的地圖，旨在告訴無人機它們相對于障礙物的確切位置，這在具有不可預測對象的現實環境中不是特別實用。如果他們的估計位置即使只是一小段距離，他們也很容易崩潰。

考慮到這一點，麻省理工學院計算機科學與人工智能實驗室(CSAIL)的團隊開發了NanoMap系統，該系統允許無人機在森林和倉庫等密集環境中以每小時20英里的速度飛行。

NanoMap的一個關鍵見解是一個非常簡單的問題：該系統認為無人機在世界上的位置隨著時間的推移而變得不確定，并且實際上模擬并解釋了這種不確定性。

“如果你想要能在人類環境中以更高速度運行的無人機，那么過于自信的地圖將無濟于事，”研究生Pete Florence說道，他是一篇新的相關論文的作者。“能夠更好地了解不確定性的方法使我們能夠在近距離飛行并避開障礙物方面獲得更高的可靠性。”

具體而言，NanoMap使用深度感應系統將有關無人機周圍環境的一系列測量結合在一起。這使得它不僅可以為其當前視野制定運動計劃，還可以預測它應該如何在已經看到的隱藏視野中移動。

佛羅倫薩說：“這有點像把你在世界上看到的所有圖像都保存在頭腦中。” “對于無人機來計劃動作，它基本上可以追溯到時間來單獨思考它所處的所有不同的地方。”

團隊的測試證明了不確定性的影響。例如，如果NanoMap沒有模擬不確定性并且無人機距離預期的位置僅漂移了5%，那么無人機將每四次飛行失敗一次。同時，當它考慮到不確定性時，崩潰率降至2%。

該論文由佛羅倫薩和麻省理工學院教授Russ Tedrake以及研究軟件工程師John Carter和Jake Ware共同撰寫。最近，它于5月在澳大利亞布里斯班舉行的IEEE機器人與自動化國際會議上被接受。

多年來，計算機科學家一直致力于算法，讓無人機知道它們在哪里，它們周圍是什么，以及如何從一個點到另一個點。諸如同時定位和映射(SLAM)之類的常用方法獲取世界的原始數據并將它們轉換為映射表示。

但SLAM方法的輸出通常不用于計劃運動。這就是研究人員經常使用“占用網格”等方法的地方，其中許多測量結果被合并到三維世界的一個特定表示中。

問題是這些數據既不可靠又難以快速收集。在高速行駛時，計算機視覺算法無法充分利用周圍環境，迫使無人機依賴慣性測量單元(IMU)傳感器的不數據，該傳感器可測量無人機的加速度和旋轉速度等因素。

NanoMap處理這個問題的方式是，它基本上不會消除細微的細節。它的運作假設為了避免障礙，你不必進行100次不同的測量，找到平均值來確定它在太空中的確切位置; 相反，您可以簡單地收集足夠的信息，以了解對象是否在一般區域。

“與之前工作的主要區別在于，研究人員創建了一個由一組圖像組成的地圖，其位置不確定，而不僅僅是一組圖像及其位置和方向，”卡內基梅隆大學機器人系統科學家Sebastian Scherer說。研究所。“跟蹤不確定性的優勢在于，即使機器人不確切知道它的位置并允許改進規劃，也允許使用以前的圖像。”

佛羅倫薩將NanoMap描述為一個使無人機飛行的系統能夠識別“姿勢不確定性”的三維數據，這意味著無人機考慮到它在移動世界時并不完全知道它的位置和方向。未來的迭代也可能包含其他信息，例如無人機的各個深度感測測量中的不確定性。

NanoMap對于通過較小空間移動的小型無人機特別有效，并且與第二個系統配合使用，該系統專注于更長距離的規劃。(研究人員去年在與國防高級研究計劃局(DARPA)有關的計劃中測試了NanoMap 。)

該團隊表示，該系統可用于搜索和救援，防御，包裹遞送和娛樂等領域。它也可以應用于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，”Scherer說。“在障礙物之間快速飛行是一項關鍵能力，可以更好地拍攝動作片段，更有效地收集信息以及未來的其他進展。”