【博科园-科学科普（关注“博科园”看更多）】像亚马逊这样的公司对无人机有很大的创意，可以把包裹送到你的家门口。但是，即使撇开政策问题不谈，编程无人机在城市这样杂乱的空间飞行也是很困难的。在高速行驶时，能够避开障碍物是计算复杂的，特别是对于小型无人机来说，它们在执行实时处理方面的能力有限。许多现有的方法都依赖于复杂的地图，它们的目的是告诉无人机它们相对于障碍物的位置，这在现实世界中并不是特别适用于不可预测的物体。如果他们估计的位置偏离了哪怕只是很小的边缘，就很容易崩溃。
麻省理工学院的CSAIL系统允许无人机在森林中飞行。图片版权：Jonathan How, MIT
考虑到这一点，麻省理工学院计算机科学与人工智能实验室(CSAIL)的一个团队开发了NanoMap系统，该系统允许无人机在森林和仓库等密集环境中持续飞行20英里每小时。NanoMap的一个关键洞见是非常简单的：系统认为无人机在世界上的位置是不确定的，而实际上模型和解释是不确定的。一篇新的相关论文的第一作者研究生皮特·弗洛伦斯(Pete Florence)说：如果你想让无人机在人类环境中以更高的速度运行，过于自信的地图将无法帮到你。一种更好地意识到不确定性的方法，使我们能够在近距离飞行和避开障碍物的情况下获得更高的可靠性。具体地说，NanoMap使用一个深度传感系统来对无人机的周边环境进行一系列的测量。这使得它不仅可以为它当前的视场做运动计划，而且还能预测它应该如何在它已经看到的隐藏的视野中移动。
这就像是把你在世界上看到的所有图像都保存在脑海里。为了让无人机计划行动，它实际上会回到时间去考虑它所在的所有不同的地方。该团队的测试表明了不确定性的影响。例如如果NanoMap不建模不确定性，而无人机只会偏离预期的5个百分点，那么无人机将会比每四次飞行的次数多一次。与此同时当它考虑到不确定性时，崩溃率降低到2%。这篇论文是由弗洛伦斯和麻省理工学院的教授Russ Tedrake和研究软件工程师John Carter和Jake Ware共同撰写的。最近，在澳大利亚布里斯班举行的IEEE机器人与自动化国际会议(ICRA)被接受。
超越地图
多年来，计算机科学家一直在研究算法，让无人机知道它们在哪里，它们周围是什么，以及如何从一个点到另一个点。像同步本地化和映射(SLAM)这样的通用方法可以获取世界的原始数据，并将它们转换为映射的表示。但是SLAM方法的输出通常不用于计划动作。这就是研究人员经常使用的方法，比如“占用网格”，在这个方法中，许多测量方法被合并到一个三维世界的具体表现中。问题是这样的数据既不可靠也很难快速收集。高速度的计算机视觉算法不能充分利用它们的环境，迫使无人机依赖于惯性测量单元(IMU)传感器的不精确数据，该传感器测量诸如无人机的加速度和旋转速度等。
麻省理工学院的CSAIL系统允许无人机在森林中飞行。图片版权：Jonathan How, MIT
NanoMap处理这个问题的方法是，它本质上不会为次要细节伤脑筋。它的运作原理是为了避免一个障碍，不需要用100个不同的测量值来计算出它在空间中的精确位置;相反，可以简单地收集足够的信息，以了解该对象位于一般区域。卡内基梅隆大学机器人研究所的系统科学家Sebastian Scherer说:“之前研究的关键区别在于，研究人员绘制了一幅地图，由一组图像组成，它们的位置不确定，而不仅仅是一组图像，以及它们的位置和方向。保持对不确定性的跟踪，可以利用以前的图像，即使机器人不知道它的确切位置，并允许改进计划。弗洛伦斯把NanoMap描述为第一个能让无人机飞行的系统，它可以利用3D数据来识别“姿态不确定性”，这意味着无人机在穿越世界的过程中并不完全了解它的位置和方向。未来的迭代也可能包含其他信息，比如无人机的个人深度测量的不确定性。
NanoMap尤其适用于小型无人机在较小空间的移动，并与第二系统协同工作，该系统专注于更长远的规划。(研究人员去年在一个与美国国防高级研究计划署（DARPA)有关的项目中对NanoMap进行了测试）。该团队表示，该系统可以用于搜索、救援和防御、包裹递送和娱乐等领域，也可用于自动驾驶汽车和其他形式的自主导航。研究人员展示了令人印象深刻的结果，避免了障碍，这项工作使机器人能够快速检查碰撞。在障碍之间快速飞行是一个关键能力，它将允许更好地拍摄行动序列，更有效的信息收集和未来的其他进展。
知识：科学无国界，博科园-科学科普
内容：经“博科园”判定符合今主流科学
来自：麻省理工学院
编译：公子世无双
审校：博科园
解答：本文知识疑问可于评论区留言
传播：博科园
