麻省理工学院的航空航天工程师设计了一种算法，可以帮助无人机找到绕过障碍物的最快路线，而不会坠毁。信用:麻省理工学院如果你关注自动驾驶无人机比赛，你很可能会记住撞车和胜利。在无人驾驶飞机比赛中，参赛队伍竞相比拼，看哪种车辆训练得更好，能以最快速度飞越障碍跑道。但是无人机飞得越快，就越不稳定，而且在高速飞行时，它们的空气动力学可能过于复杂，难以预测。因此，撞车是一种常见的现象，而且常常很壮观。但是，如果它们能够被推动得更快、更灵活，无人机就可以在赛道之外的时间紧迫的行动中使用，例如在自然灾害中搜寻幸存者。
现在，麻省理工学院的航空航天工程师设计了一种算法，可以帮助无人机找到绕过障碍物的最快路线，而不会坠毁。新算法结合了无人机在虚拟障碍跑道上飞行的模拟和真实无人机在物理空间中同一跑道上飞行的实验数据。
研究人员发现，用他们的算法训练的无人机比用传统规划算法训练的无人机飞得快20%。有趣的是，在整个过程中，新算法并不总是让无人机领先于竞争对手。在某些情况下，它选择让无人机减速以应对棘手的弯道，或者节省能量以加速并最终超越对手。
麻省理工学院航空航天系的研究生埃兹拉·塔尔(Ezra Tal)说:“在高速行驶时，有复杂的空气动力学很难模拟，所以我们用现实世界中的实验来填充那些黑洞，以发现，例如，先减速可能会更好，以便以后更快。“我们就是用这种整体的方法来看如何尽可能快地做出一个整体的轨迹。”
麻省理工学院航空航天副教授、信息与决策系统实验室主任塞尔塔克·卡拉曼补充说:“这类算法是实现未来无人机能够非常快速地在复杂环境中导航的非常有价值的一步。“我们真的希望以一种他们可以在身体极限允许的情况下尽可能快的速度推进极限。”
塔尔、卡拉曼和麻省理工学院研究生吉铉良在《国际机器人研究杂志》上发表了他们的研究成果。
快速效果
如果要让无人机缓慢飞行，训练它们绕过障碍物相对简单。这是因为空气动力学，比如阻力，通常不会在低速时发挥作用，它们可以被排除在任何无人机行为的建模之外。但在高速行驶时，这种影响要明显得多，车辆将如何行驶也很难预测。
“当你飞得很快的时候，很难估计你在哪里，”Ryou说。“向电机发送信号可能会有延迟，或者电压突然下降，这可能会导致其他动力学问题。这些影响无法用传统的规划方法来模拟。”
为了了解高速空气动力学如何影响飞行中的无人机，研究人员必须在实验室中进行许多实验，将无人机设定在不同的速度和轨迹上，以观察哪些无人机飞行速度快而不会坠毁——这是一个昂贵且经常引发坠机的训练过程。
相反，麻省理工学院团队开发了一种结合模拟和实验的高速飞行规划算法，以最大限度地减少识别快速安全飞行路径所需的实验次数。
Caption:为了找到最快可行的轨迹，一架四轴直升机穿过几个门，飞过一条赛道。功劳:麻省理工学院研究人员从一个基于物理的飞行规划模型开始，他们首先开发了这个模型来模拟无人机在虚拟障碍跑道上飞行时的行为。他们模拟了成千上万个飞行场景，每个场景都有不同的飞行路径和速度模式。然后，他们绘制出每种情况是可行(安全)还是不可行(导致崩溃)的图表。从这张图表中，他们可以迅速锁定几个最有希望的场景，或者赛车轨迹，在实验室中进行试验。
“我们可以廉价而快速地进行这种低保真度模拟，以看到既快速又可行的有趣轨迹。然后我们在实验中飞行这些轨迹，看看哪些在现实世界中是可行的，”塔尔说。“最终我们会收敛到最佳轨迹，给我们最低的可行时间。”
从慢到快
为了展示他们的新方法，研究人员模拟了一架无人机在一个简单的航线上飞行，五个大的方形障碍物交错排列。他们在物理训练空间中设置了相同的配置，并为无人机编程，使其以他们之前从模拟中选择的速度和轨迹飞行。他们还用一架无人机进行了同样的训练，该无人机使用的是更传统的算法，没有将实验纳入其规划。
总的来说，使用新算法训练的无人机“赢得”了每一场比赛，比传统训练的无人机用更短的时间完成了全程。在某些情况下，获胜的无人机比竞争对手快20%完成课程，尽管它的轨迹起步较慢，例如转弯时需要多一点时间。这种微妙的调整不是由传统训练的无人机进行的，可能是因为它的轨迹完全基于模拟，不能完全解释团队的实验在现实世界中揭示的空气动力学效应。
研究人员计划以更快的速度，在更复杂的环境中进行更多的实验，以进一步改进他们的算法。它们还可能包含来自远程驾驶无人机的人类飞行员的飞行数据，这些飞行员的决策和机动可能有助于专注于更快但仍然可行的飞行计划。
塔尔说:“如果人类飞行员减速或加快速度，这可能会告知我们的算法会做什么。“我们也可以用人类飞行员的轨迹作为起点，并从这一点进行改进，来看看，什么是人类不做的事情，那我们的算法就能搞清楚，才能飞得更快。这些是我们正在考虑的一些未来想法。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
