如何利用深度学习赋予无人机导航功能

瑞士苏黎世大学（University of Zurich，UZH）研发出了一种DroNet算法，使无人机能够沿着城市街道或在建筑物内飞行，该算法还需要通过骑行者及汽车驾驶员学习驾驶用例及相关的交通法规。

由瑞士苏黎世大学研究人员开发的DroNet算法使无人机能够在城市街道上和室内环境中完全自主飞行。另外，该算法必须学习交通规则，通过骑行者及汽车驾驶员学习驾驶用例。

今天所有的商用无人机都使用GPS，它在建筑屋顶和高海拔地区表现很好。但是，当无人机必须在高楼之间或密集、无组织的城市街道上，有汽车、骑自行车的人或行人突然横穿马路的状况下自主航行的时候，会发生什么呢？到目前为止，商用无人机还不能对这些不可预见的状况做出快速反应。

苏黎世大学及瑞士国家机器人能力研究中心（National Centre of Competence Research in RoboTIcs）的研究人员开发了DroNet算法，该算法可以安全地在城市街道上驾驶无人机。它被设计为一个快速的8层剩余网络，为每一个输入图像生成两张输出图：一个转向角度，让无人机在避开障碍物的同时保持导航；另一个是碰撞概率，让无人机能够识别危险情况并对其做出及时反应。苏黎世大学机器人与感知教授戴维·斯卡拉穆扎（DavideScaramuzza）说，“DroNet可以识别静态和动态的障碍物，并且可以减速以避免撞上它们。通过这个算法，我们在自主导航无人机融入人类日常生活方面向前迈出了一步”。

瑞士研究人员研发的无人机不再依赖复杂的传感器，而是使用普通摄像头，就像智能手机摄像头一样，使用一种非常强大的人工智能算法来评估它观察到的场景，并做出相应的反应。该算法由所谓的深度神经网络组成。斯卡拉穆扎教授说，“这是一种计算机算法，它利用一组“训练用例”学习解决复杂的任务，这些例子向我们展示了无人机如何工作，以及如何应对一些困难情况，就像孩子从父母或老师那里学习一样”。

深度学习中最大的挑战之一是收集数千个这类“训练用例”。为了获得足够的数据来训练他们的算法，斯卡拉穆扎教授和他的团队从城市环境中驾驶的汽车和自行车中收集数据。通过模拟训练，无人机学会遵守安全规则，比如“如何沿着马路行驶而不进入对面车道”，以及“当行人、建筑施工或其他车辆等障碍物堵塞时如何停止。”更有趣的是，研究人员表明，他们的无人机不仅学会了在城市街道上航行，而且还学会了在完全不同的、且从未学习过的环境中航行。的确，无人机学会了在室内环境中自主飞行，比如停车场和办公室走廊。

这项研究为在混乱的城市街道进行监视或包裹运送以及在受灾的城市地区进行救援行动开辟了可能性。尽管如此，研究团队也提出了警告，对于这款轻量级、低成本的无人机不能抱有过高的期望。一位博士生说：“在最雄心勃勃的应用成为现实之前，还必须克服许多技术问题。”