训练无人机以高速避开障碍物

听这篇文章

如果您遵循自动无人机赛车，您可能会记住与获胜一样的崩溃。在无人机赛车中，团队竞争，看看哪种车辆通过障碍课程飞行最快。但更快的无人机飞行，他们变得更不稳定，并且在高速时，他们的空气动力学可能太复杂预测。因此，崩溃是一种常见的并且经常壮观的发生。

但是，如果他们可以被推得更快，更灵活，可以将无人机用于超出比赛课程的时间关键业务，例如寻找自然灾害中的幸存者。

现在，麻省理工学院的航空工程师们设计了一种算法，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通过虚拟障碍跑道的模拟和真实无人机在物理空间通过同一跑道的实验数据。

研究人员发现，用他们的算法训练的无人机飞过简单的障碍跑道的速度比用传统规划算法训练的无人机快20%。有趣的是，新算法并不总是让无人机在整个过程中领先于竞争对手。在某些情况下，它会选择让无人机减速以应对复杂的弯道，或者节省无人机的能量以加速并最终超过对手。

“在高速时，有复杂的空气动力学，很难模拟，所以我们在现实世界中使用实验来填补那些黑洞，例如，它可能更好地减速至更快的速度，”said Ezra Tal, a graduate student in MIT’s Department of Aeronautics and Astronautics. “It’s this holistic approach we use to see how we can make a trajectory overall as fast as possible.”

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Sertac Karaman补充说:“这些算法是实现未来无人机快速在复杂环境中导航的非常有价值的一步。”“我们真的希望推动极限，让它们能在身体极限允许的范围内以最快的速度飞行。”

Tal，Karaman和MIT研究生Gilhyun Ryou发表了他们的这里的研究。

快速效果

如果无人机的飞行速度较慢，那么训练它们绕过障碍物是相对简单的。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建模之外。但在高速行驶时，这种影响要明显得多，而且车辆将如何处理也更难预测。

“当你快速飞行时，很难估计你的位置，”Ryou说。“将信号发送到电机或可能导致其他动态问题的突然电压下降可能会有延迟。这些效果不能用传统的规划方法进行建模。“

手表：无人机检测和避免障碍在3.5毫秒

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，将无人机设置在不同的速度和轨迹上，以查看哪种飞行速度快而不坠落——这是一个昂贵的、经常导致坠落的训练过程。

相反，MIT团队开发了一种高速飞行规划算法，将模拟和实验结合在一起，以最小化识别快速安全的飞行路径所需的实验数量。

研究人员始于一种基于物理的飞行计划模型，它们开发出首先模拟通过虚拟障碍课程的驾驶时驾驶员的表现。他们模拟了数千个赛车场景，每个场景都有不同的飞行路径和速度模式。然后，他们绘制了每个场景是否可行（安全），或不可行（导致崩溃）。从这个图表中，他们可以在少数最有前途的情景或赛车轨迹中快速零，在实验室中试用。

“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。”Tal说。“最终，我们会收敛到最优的轨迹，让我们拥有最少的可行时间。”

从慢到快

为了展示他们的新方法，研究人员模拟了一种穿过简单的课程的无人机，其中五个大型方形障碍物以交错的配置排列。它们在物理训练空间中设置了相同的配置，并在其先前从模拟中挑选出来的速度和轨迹时，他们将无人机编程到飞行的课程。它们还使用与更常规算法的无人机培训的无人机，并不将实验纳入其规划。

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在更短的时间内完成了整个过程。在某些情况下，获胜的无人机比竞争对手快20%完成了整个过程，尽管它的起始轨迹较慢，比如转弯时倾斜的时间要多一点。传统训练的无人机没有进行这种微妙的调整，可能是因为它的轨迹仅仅基于模拟，不能完全解释团队在现实世界中实验揭示的空气动力学效应。

研究人员计划以更快的速度和更复杂的环境更快地飞行更多实验，以进一步提高算法。他们还可以将飞行数据从人类飞行员纳入远程播种无人机，并且其决定和机动的决策可能有助于速度较快，但仍然可行的飞行计划。

“如果人类的飞行员正在减慢或升起速度，那可以告知我们的算法是什么，”Tal说。“我们也可以使用人类飞行员的轨迹作为起点，从中改进，看，人类不做的事情，我们的算法可以弄清楚，飞得更快。那些是我们正在考虑的未来想法。“

编辑注意：本文已重新发布麻省理工学院的新闻。