无人机中的AlphaGo?NASA利用AI操作无人机,可与顶级飞手对垒

无人机即将迈向新的纪元,越来越多的科技巨头都希望以不同的方式利用无人机。亚马逊希望利用无人机攻下最后一里路,一向硬件基因并不突出的Google,甚至推出了Google Project  Wing(飞翼计划)。

早在2015年的时候,时任飞翼计划的负责人大卫・沃斯甚至公开说:“我们的目标是在2017年启动和运作(以无人机派递的)商业化任务。虽然计划夭折,但没有磨损Google问鼎苍穹的决心

除了自家推出飞翼计划之外,Google资助NASA的喷气推进实验室(Jet Propulsion Laboratory,JPL)。过去几年,他们一直研究小型无人机的自主权,结合摄像头和Google的3D环境侦测技术Tango,最近JPL打造了3架由AI操控的无人机,取名Batman、Joker与Nightwing(中文名译为蝙蝠侠、小丑和夜莺),并开发了一种复杂的算法,使得无人机在高速飞行的同时能够避开障碍物。

这三架无人机的飞行主板是高通的Snapdragon,用于实时飞行控制,并且都装有一个三维地图,配备两个宽视野相机,一个指向前方,另一个指向下方,产生一个250度的视场角。两台摄像机根据运动立体声生成深度图,在飞行中,摄像机加上一个IMU定位到地图,并执行视觉惯性测距法进行运动跟踪。

为了验证这三架无人机的实际效果,今年11月24日,NASA举行了一场无人机驾驶比赛,参赛的双方是谷歌资助的AI无人机与顶级的无人机飞行员 Ken Loo。最终,Loo 每圈平均时间为 11.1 秒,AI操纵无人机的平均时间13.9 秒,人类赢了。

JPL项目的经理Rob Reid分析了人类与AI操纵的不同:“将我们的算法与人类的操作对比,人类在飞行过程中会更多地依赖感觉。AI无人机在飞行过程中会更平稳,而人类飞行员则倾向于积极地加速,飞行路线也更加激进。”在整场比赛过程中,AI无人机飞行比较谨慎,但路径选择始终如一。

虽然人类赢了,但是技术本身仍有拥有长足的进步和想象空间。因为无人驾驶飞机通常依靠GPS来导航,但这并不适合室内空间,因此仓库或者密集的城市区域意味着现行的无人机无法应用。AI操控的无人机则能够突破这一限制,同时AI驱动的无人机也是完全自主的无人机,这意味着无人机是没有外部定位和外部电脑控制。

此外,JPL为航天器提供了基于视觉的导航技术,这种技术未来可以广泛应用在室内环境中,甚至参与救灾工作(协助搜索救灾人口 ),以及运用到太空站里的机器人。

为了更好地理解这项技术,「新智造」对2017年12月6日IEEE Spectrum采访JPL项目经理Rob Reid的对话部分内容进行了编译:

IEEE Spectrum:您能描述JPL参与的无人机自主研究吗?

Rob Reid:JPL数十年来一直在研究航天器和微型飞行器(无人机)的基于相机的导航技术。自2013年以来,它已经与谷歌在Tango项目上进行了合作,在过去的两年里,它已经把Tango整合到无人机中来演示新颖的导航算法。JPL已经探索了各种轨迹优化技术,解释了空气动力学和相机运动模糊等影响。

IEEE Spectrum:为什么选择无人机比赛这个领域作为展示技术的方式? 

Rob Reid:我们的目标是展示高性能的自主飞行障碍 ,而且室内无人驾驶比赛提供了一个充满障碍的复杂的轨道,以及通过它们快速飞行是一个可以令人信服的理由。

IEEE Spectrum:你是否期望人类飞行员会赢?

Rob Reid:我对结果并不感到惊讶,我们相信我们的无人机系统将会具有竞争力。然而,我们并不确定谁将以最快的速度学习最佳轨迹(即赛车线)!只有一个下午的飞行时间,Ken(人类飞行员)可以用比我们的算法快得多的时间减少他的圈速时间。在此之后的几个星期里,我们也加快了AI无人机优化的步伐。

IEEE Spectrum:无人机用于导航的硬件有哪些局限性,以及它们在比赛中的表现如何?

Rob Reid:快速室内飞行的最大性能限制来自于机载摄像机的快门速度。这些相机用来跟踪无人机的运动——飞行速度太快, 而离地面太近, 或者滚动或俯仰太快会导致图像模糊, 甚至会造成无人机会丢失。 我们用两种方式来解决这个问题: 第一, 使用两个广角摄像机ーー通过指向一个前方和另一个向下, 在大于250度的视野内允许无人机看到地平线。 其次, 我们调整了轨道, 以限制自转速率和速度与高度的比率。

IEEE Spectrum:像AI操控的无人机在结构化环境中与人类专家进行竞争,需要做什么准备工作?

Rob Reid:这是一个典型的无人机比赛,硬件方面已经足以打败人类高手。这次出战的无人机是专门为比赛准备的,加速度最大可以达到1个g。当然我们暂时不能在夜间比赛中飞行或者在有很多视觉重复的赛道上飞行。

IEEE Spectrum:你会继续这个项目吗?

工作正在进行中,但我不能说下一步是什么!但是,您可以期待无人驾驶飞机能够感知障碍并在线更新自己的轨迹。

结语:

目前,机器人领域正在飞速发展。像事件摄像机目前可以在某种程度上解决动态模糊的问题,并能够实现更加动态的自主演习。此前,我们亦报道过有关于事件相机的一些最新的情况,目前,机器人面临更多的是软件上挑战,而不是来自于硬件挑战。倘若软件层上有所突破,未来的无人机将可以适用于很广泛的领域。

无人机中的AlphaGo?NASA利用AI操作无人机,可与顶级飞手对垒

无人机即将迈向新的纪元,越来越多的科技巨头都希望以不同的方式利用无人机。亚马逊希望利用无人机攻下最后一里路,一向硬件基因并不突出的Google,甚至推出了Google Project  Wing(飞翼计划)。

早在2015年的时候,时任飞翼计划的负责人大卫・沃斯甚至公开说:“我们的目标是在2017年启动和运作(以无人机派递的)商业化任务。虽然计划夭折,但没有磨损Google问鼎苍穹的决心

除了自家推出飞翼计划之外,Google资助NASA的喷气推进实验室(Jet Propulsion Laboratory,JPL)。过去几年,他们一直研究小型无人机的自主权,结合摄像头和Google的3D环境侦测技术Tango,最近JPL打造了3架由AI操控的无人机,取名Batman、Joker与Nightwing(中文名译为蝙蝠侠、小丑和夜莺),并开发了一种复杂的算法,使得无人机在高速飞行的同时能够避开障碍物。

这三架无人机的飞行主板是高通的Snapdragon,用于实时飞行控制,并且都装有一个三维地图,配备两个宽视野相机,一个指向前方,另一个指向下方,产生一个250度的视场角。两台摄像机根据运动立体声生成深度图,在飞行中,摄像机加上一个IMU定位到地图,并执行视觉惯性测距法进行运动跟踪。

为了验证这三架无人机的实际效果,今年11月24日,NASA举行了一场无人机驾驶比赛,参赛的双方是谷歌资助的AI无人机与顶级的无人机飞行员 Ken Loo。最终,Loo 每圈平均时间为 11.1 秒,AI操纵无人机的平均时间13.9 秒,人类赢了。

JPL项目的经理Rob Reid分析了人类与AI操纵的不同:“将我们的算法与人类的操作对比,人类在飞行过程中会更多地依赖感觉。AI无人机在飞行过程中会更平稳,而人类飞行员则倾向于积极地加速,飞行路线也更加激进。”在整场比赛过程中,AI无人机飞行比较谨慎,但路径选择始终如一。

虽然人类赢了,但是技术本身仍有拥有长足的进步和想象空间。因为无人驾驶飞机通常依靠GPS来导航,但这并不适合室内空间,因此仓库或者密集的城市区域意味着现行的无人机无法应用。AI操控的无人机则能够突破这一限制,同时AI驱动的无人机也是完全自主的无人机,这意味着无人机是没有外部定位和外部电脑控制。

此外,JPL为航天器提供了基于视觉的导航技术,这种技术未来可以广泛应用在室内环境中,甚至参与救灾工作(协助搜索救灾人口 ),以及运用到太空站里的机器人。

为了更好地理解这项技术,「新智造」对2017年12月6日IEEE Spectrum采访JPL项目经理Rob Reid的对话部分内容进行了编译:

IEEE Spectrum:您能描述JPL参与的无人机自主研究吗?

Rob Reid:JPL数十年来一直在研究航天器和微型飞行器(无人机)的基于相机的导航技术。自2013年以来,它已经与谷歌在Tango项目上进行了合作,在过去的两年里,它已经把Tango整合到无人机中来演示新颖的导航算法。JPL已经探索了各种轨迹优化技术,解释了空气动力学和相机运动模糊等影响。

IEEE Spectrum:为什么选择无人机比赛这个领域作为展示技术的方式? 

Rob Reid:我们的目标是展示高性能的自主飞行障碍 ,而且室内无人驾驶比赛提供了一个充满障碍的复杂的轨道,以及通过它们快速飞行是一个可以令人信服的理由。

IEEE Spectrum:你是否期望人类飞行员会赢?

Rob Reid:我对结果并不感到惊讶,我们相信我们的无人机系统将会具有竞争力。然而,我们并不确定谁将以最快的速度学习最佳轨迹(即赛车线)!只有一个下午的飞行时间,Ken(人类飞行员)可以用比我们的算法快得多的时间减少他的圈速时间。在此之后的几个星期里,我们也加快了AI无人机优化的步伐。

IEEE Spectrum:无人机用于导航的硬件有哪些局限性,以及它们在比赛中的表现如何?

Rob Reid:快速室内飞行的最大性能限制来自于机载摄像机的快门速度。这些相机用来跟踪无人机的运动——飞行速度太快, 而离地面太近, 或者滚动或俯仰太快会导致图像模糊, 甚至会造成无人机会丢失。 我们用两种方式来解决这个问题: 第一, 使用两个广角摄像机ーー通过指向一个前方和另一个向下, 在大于250度的视野内允许无人机看到地平线。 其次, 我们调整了轨道, 以限制自转速率和速度与高度的比率。

IEEE Spectrum:像AI操控的无人机在结构化环境中与人类专家进行竞争,需要做什么准备工作?

Rob Reid:这是一个典型的无人机比赛,硬件方面已经足以打败人类高手。这次出战的无人机是专门为比赛准备的,加速度最大可以达到1个g。当然我们暂时不能在夜间比赛中飞行或者在有很多视觉重复的赛道上飞行。

IEEE Spectrum:你会继续这个项目吗?

工作正在进行中,但我不能说下一步是什么!但是,您可以期待无人驾驶飞机能够感知障碍并在线更新自己的轨迹。

结语:

目前,机器人领域正在飞速发展。像事件摄像机目前可以在某种程度上解决动态模糊的问题,并能够实现更加动态的自主演习。此前,我们亦报道过有关于事件相机的一些最新的情况,目前,机器人面临更多的是软件上挑战,而不是来自于硬件挑战。倘若软件层上有所突破,未来的无人机将可以适用于很广泛的领域。



    标签: