赞 MIT研发新算法可以使无人机能够快速、灵活的执行时间紧迫的操作，如搜索和救援。如果您关注自动无人机比赛，您可能会像记住胜利一样记住坠机事件。在无人机比赛中，参赛队会相互竞争，看看哪款经过更好的训练，可以最快地通过障碍赛道。但是无人机飞得越快，它们变得越不稳定，而且在高速飞行时，它们的空气动力学可能太复杂而无法预测。因此，炸机是一种常见且壮观的事件。
但是，如果可以推动它们变得更快、更灵活，则可以将无人机用于赛道以外的时间更密集的操作，例如在自然灾害中寻找幸存者。
现在，麻省理工学院的航空航天工程师设计了一种算法，可以帮助无人机在不坠毁的情况下找到绕过障碍物的最快路线。新算法将无人机飞过虚拟障碍的模拟与真实无人机在物理空间中飞过同一课程的实验数据相结合。
研究人员发现，用他们算法训练的无人机通过一个简单的障碍路线，比用传统规划算法训练的无人机快20%。有趣的是，新算法在整个过程中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，或节省能源以加速并最终超越其竞争对手。
“在高速下，存在难以模拟的复杂空气动力学，因此我们在现实世界中使用实验来填充这些黑洞，例如，发现先减速后加速可能更好，”麻省理工学院航空航天系研究生 Ezra Tal 说。 “我们使用这种整体方法来了解如何尽可能快地制定整体轨迹。”
麻省理工学院航空航天学副教授兼信息与决策系统实验室主任 Sertac Karaman 补充说：“这些类型的算法是实现未来无人机能够非常快速地在复杂环境中航行的非常有价值的一步。” “我们真的希望以一种他们可以在极限允许的情况下尽可能快地的方式来突破极限。”
Tal、Karaman 和麻省理工学院研究生 Gilhyun Ryou 已在《国际机器人研究杂志》上发表了他们的研究结果。
如果它们打算缓慢飞行，那么训练无人机绕过障碍物是相对简单的。这是因为阻力等空气动力学通常不会在低速下发挥作用，并且可以将它们排除在无人机行为的任何建模之外。但是在高速行驶时，这种影响要明显得多，而且车辆将如何处理则更难预测。
“当你飞得很快时，很难估计你在哪里，”Ryou 说。 “向电机发送信号可能会出现延迟，或者可能会导致其他动态问题的突然电压下降。这些影响无法用传统的规划方法来建模。”
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，将无人机设置为不同的速度和轨迹，以查看哪些飞行速度快而不会坠毁——这是一个昂贵且通常会导致坠毁的训练过程。
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计划算法，以最大限度地减少识别快速和安全飞行路径所需的实验数量。
研究人员从基于物理学的飞行计划模型开始，他们开发该模型是为了首先模拟无人机在穿越虚拟障碍赛道时可能的行为。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，他们绘制了每种情况是否可行（安全）或不可行（导致崩溃）的图表。从这张图表中，他们可以快速将少数最有希望的场景或赛车轨迹归零，以在实验室中进行尝试。
“我们可以廉价快速地进行这种低保真模拟，以查看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实际上是可行的，”Tal 说。 “最终，我们会收敛到最佳轨迹，为我们提供最短的可行时间。”
慢走快走
为了演示他们的新方法，研究人员模拟了一架无人机飞过一个简单的路线，五个大型方形障碍物交错排列。他们在体育训练空间中设置了相同的配置，并对无人机进行了编程，使其以他们之前从模拟中挑选出的速度和轨迹飞过整个课程。他们还使用经过更传统算法训练的无人机进行了相同的课程，该算法未将实验纳入其规划。
总体而言，使用新算法训练的无人机“赢得”了每场比赛，比传统训练的无人机在更短的时间内完成了课程。在某些情况下，获胜的无人机以比竞争对手快20% 的速度完成路线，即使它的轨迹起步较慢，例如在转弯时需要更多的时间。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完全基于模拟，无法完全解释团队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和更复杂的环境进行更多实验，以进一步改进他们的算法。他们还可以结合来自远程驾驶无人机的人类飞行员的飞行数据，他们的决策和机动可能有助于更快但仍然可行的飞行计划。
“如果人类飞行员正在减速或加快速度，这可能会告诉我们算法的作用，”Tal 说。 “我们还可以使用人类飞行员的轨迹作为起点，并从中改进，看看人类不做的事情，我们的算法可以弄清楚，飞得更快。这些是我们正在考虑的一些未来想法。”
这项研究部分得到了美国海军研究办公室的支持。