人类有不少发明创造灵感来自于大自然，这不，苏黎世联邦理工学院(ETH Zurich)和博洛尼亚大学(University of Bologna)研究人员新发明了纸浆无人机(PULP Dronet)，这是一种27克纳米大小的无人机，带有一个基于AI深度学习的视觉导航引擎。他们的微型无人机，发表在《arXiv》上，是可以在一个端到端的闭环视觉管道上运行，以最先进的深度学习算法为动力，实现自主导航。苏黎世联邦理工学院和博洛尼亚大学共同致力于一个共同努力的项目已经六年了。
并行超低功耗平台(PULP)，丹尼尔?帕洛西(Daniele Palossi)、弗朗西斯科?孔蒂(Francesco Conti)和卢卡?贝尼尼教授(Luca Benini)说：我们的任务是开发一个开源、高度可伸缩的硬件和软件平台，在功率只有几毫瓦的情况下实现节能计算，比如用于物联网的传感器节点，以及重量只有几十克的纳米无人机等微型机器人。在大型和中等大小的无人机中，可用的电力预算和有效载荷能够利用高端强大的计算设备，如英特尔(Intel)、英伟达(Nvidia)、高通(Qualcomm)等公司开发的设备。
这些设备对微型机器人来说不是一个可行的选择，因为它们的尺寸和随之而来的功率限制。为了克服这些限制，研究小组决定从大自然中，特别是昆虫中汲取灵感。帕洛西、孔蒂和贝尼尼解释说：在自然界中，昆虫等微小的飞行动物可以执行非常复杂的任务，同时只消耗很少的能量来感知环境和思考。故研究人员想利用节能计算技术，从本质上复制这一功能。为了复制在昆虫身上观察到的节能机制，研究人员最初致力于将高级人工智能集成到纳米无人机的超微型动力信封中。
这证明是相当具有挑战性的，因为他们必须满足其能源限制和严格的实时计算要求，研究人员的关键目标是用很少的能量实现高性能。Palossi, Conti和Benini说：视觉导航引擎由硬件和软件组成，前者是由并行的超低功耗范例所体现，而后者是由DroNet卷积神经网络(CNN)所体现。CNN之前是由苏黎世大学机器人与感知小组开发，用于“资源不受约束”的大型无人机。导航系统采用一个摄像机框架，并用最先进的CNN对其进行处理。随后，它决定如何纠正无人机的姿态，使其处于当前场景的中心。
同样的CNN也能识别障碍物，如果无人机感觉到迫在眉睫的威胁，就会停下来。基本上，纸浆无人机可以沿着街道行驶(或者类似的东西，比如走廊)，在遇到意外障碍时避免碰撞和刹车。与过去口袋大小的飞行机器人相比，该系统真正的飞跃在于，实现自主导航所需的所有操作都是直接在飞机上执行，不需要人工操作，也不需要特别的基础设施(例如外部摄像头或信号)，特别是不需要任何用于计算的远程基站(例如远程笔记本电脑)。在一系列现场实验中，研究人员证明了他们的系统具有很高响应能力。
能够在飞行速度高达1.5米/秒的情况下，防止与意想不到的动态障碍物发生碰撞。他们还发现，视觉导航引擎能够在113m以前看不见的路径上实现完全自主的室内导航。Palossi和同事们进行的这项研究介绍了一种有效方法，可以将前所未有的智能水平集成到功率限制非常严格的设备中。这本身就令人印象深刻，因为在口袋大小的无人机上实现自主导航是极具挑战性的，以前很少有人实现过。与传统的嵌入式边缘节点相比，在这里，不仅受到可用能源和电力预算的限制，而且还受到性能约束。
换句话说，如果CNN跑得太慢，无人机将无法及时做出反应，防止碰撞或在正确的时刻转弯。帕洛西和同事们开发的这种微型无人机可以立即应用于许多领域。例如，一群纸浆无人机可以帮助检查地震后倒塌的建筑物，在更短的时间内到达人类救援人员无法到达的地方，从而不会使操作人员的生命处于危险之中。从动物保护到老年/儿童救助、农作物和葡萄园的检查、危险地区的探索、救援任务等等，人们将从一个小型、灵活和智能的计算节点中获益的每一个场景现在都更接近了。
研究仅仅是实现真正的“生物级”机载智能的第一步，仍然有几个挑战需要克服。在未来的研究中，研究人员计划通过提高机载导航引擎的可靠性和智能化来解决其中的一些挑战；瞄准新的传感器，更复杂的功能和更好的性能。研究人员公开了他们所有的代码、数据集和深度学习网络，这也可能激励其他研究团队基于他们的技术开发类似系统。从长远来看，目标是实现与我们在这里展示的微型飞行机器人类似的结果(几克重，有蜻蜓的大小)。
