AI算法帮助无人机在未知的杂乱环境中自主导航

英特尔实验室和墨西哥国立理工学院的科学家们最近研究了一种框架，可以在杂乱的未知环境中实现无人机自主导航。

尖端无人机可以毫不费力地驾驭障碍物环境，但是当面对前所未有的景观，如茂密的树林或迷宫时，则难以自主地到达目的地。

在未知的杂乱环境中进行自主导航是机器人技术中的基本问题之一，应用于搜索和救援，信息收集和工业和民用结构的检查等，尽管机器人平台和环境的某些组合，映射，规划和轨迹生成可以被认为是成熟的领域，但是仍然缺少在一般环境中组合来自所有这些领域的元素用于无人机导航的框架。

在涉及英特尔Ready to Fly无人机套件的定性和定量测试中，他们表示他们的实时、设备上的算法系列实现了最先进的性能。

该团队的算法框架专为配备3D传感器和里程计模块的无人机而设计，包括三个部分：（1）生成从无人机深度传感器获得的测量值之间差异的映射的算法，（2）路径生成模型，考虑视场限制空间被认为是安全的导航，（3）生成稳健运动计划的模型。

在映射阶段，算法从视差深度图像和测距法计算一个点云，并将其添加到无人机占用空间的地图表示中。在上述路径规划过程中，会生成一个探测动作，在后续阶段，框架会创建一个轨迹，将机器人从当前状态驱动到下一个计划动作。一直以来，这些模型都试图确保无人机的偏航方向，即它绕垂直轴旋转或振荡的方式与运动方向一致，主要是通过采用速度跟踪偏航方法。

为了测试其框架的稳健性，研究人员在四个真实环境（3D迷宫，工业仓库，杂乱的实验室和森林环境）和虚拟环境中使用机器人操作系统Kinetic（一种流行的开源机器人）进行了实验。

他们报告说，在其中一项测试中，与基准算法的103.2毫秒和35.5毫秒相比，它实现了3.37毫秒的运动时间，并且其平均映射时间为0.256毫秒，而基准算法为700.7毫秒和2.035毫秒。

当然，这并非一帆风顺。该团队指出，算法往往会产生比测试基准更大的路径，并且无法在非常狭小的空间的迷宫模拟中到达目标目的地。但他们表示，该研究可能会改进系统整合轨迹跟踪和动态障碍预测，这可能使未来的无人机能够在拥挤的环境中更有效地导航。