随着无人机及其组件越来越小,效率越来越高,功能越来越强大,我们已经看到越来越多的研究开始让无人机自主飞行在半结构化的环境中,而不依赖于外部定位。 宾夕法尼亚大学在这方面做了一些令人惊叹的工作,美国国防高级研究计划局(DARPA)的快速轻量级自主导航项目也是如此。
过去几年来,在NASA的喷气推进实验室,作为Google资助项目的一部分,他们一直在研究小型无人机自主导航。 重点是高速动态操纵,在只使用车载硬件的情况下尽可能快地在室内赛道上飞行无人机。 对于该项目的最终演示,喷气推进实验室 (Jet Propulsion Laboratory,JPL)让无人机自动驾驶,与专业的人类竞速无人机驾驶员进行超越障碍飞行比赛。
AI驱动的无人机是完全自主导航的,这意味着没有外部定位或外部电脑控制。高通Snapdragon飞行板用于实时飞行控制。
无人驾驶飞机有一个三维地图,它使用两个宽视野相机构建自己:一个指向前方,另一个指向下方,产生一个持续视野250度的FOV(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。
尽管无人机能够直线运行速度超过120公里/小时,但JPL的仓库还不够大,令人遗憾的是,对于专业人类无人驾驶飞行员Ken Loo来说,这个受限制的赛道非常棘手,他因为赛道的密度而感到泪奔。不过一旦Loo熟悉了这个航线,他完成的时间平均只需11秒,而自主的无人机平均需要3秒。时差主要因为,自主导航的无人机更加平滑和更稳定(每圈几乎同时飞行),而Loo加速和减速更快,并能够随机应变和选取捷径,而自主无人机不能。
JPL该项目的经理是Rob Reid,他在2015年协助开发了漂亮的太空机器人刺猬。我们(IEEE)与Reid进行了交谈,了解他们为什么判定人类赢得了这场比赛。
IEEE: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。该团队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。
您为什么用无人机比赛的方式来演示这个领域的技术进展?
目标是展示高性能的自主跨越障碍飞行——室内无人驾驶比赛提供了一个充满障碍的复杂的轨道,穿过它们快速飞行,具有很好的说服力!
你是否期望人类驾驶员赢?
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,我们并不确定谁会以最快的速度学习最佳轨迹(即航线)!只有一个下午的飞行时间,Ken能够比我们的算法快得多地减少他的圈速时间。在此之后的几个星期里,我们大大加快了优化算法的步伐。
无人机用于导航的硬件方面有哪些局限性,以及它们在比赛中的表现如何?
对于快速室内飞行而言,最大的性能局限来自用于追踪无人驾驶飞机的运动的机载摄像机的快门速度,飞行速度太快而太靠近地面,或者滚动或俯仰太快会导致图像模糊,无人机就迷失了。我们通过两种方式解决了这个问题:首先,通过使用两个宽视场摄像机,一个向前和一个向下指向,> 250度的视野允许无人机始终看到地平线。其次,我们调整了轨迹来限制旋转速度和速度与高度之比。
像这样的无人机在结构化环境中与人类专业的飞行员比赛会怎么样呢?
对于一个典型的无人机比赛,硬件方面完全做好了击败人类专家的准备:我们的无人机是“竞赛规格”,可以承受几个G(重力加速度)。不过我们不能在夜间比赛中飞行,或者在有很多视野重叠的赛道上飞行。
你会继续这个项目吗?如果是的话,我们期待什么?
工作正在进行中,不幸的是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。
机器人领域正在飞速发展,诸如基于事件的摄像机之类的东西可能会在一定程度上解决运动模糊的问题,并能够实现更加动态的自主演习。而且Reid绝对是正确的,无人机硬件已经准备好超越人类的能力,尽管一般机器人都是如此 - 除了少数例外,机器人更多的是软件挑战,而不是硬件挑战。这并不意味着要解决这个问题一定更容易,我们很兴奋看到JPL的无人机是如何发展的。(爱吧机器人网原创编译,未经授权不得转载)