返回顶部
今日    | 手机版 | 资讯 | 产品 | 企业 | 热点 | 商道 | 原料 |
返回首页
返回首页
home 您现在的位置: 首页 >办公设备>机械应用 > 详细信息
AI动力无人机学习极限技巧,这架无人机可以执行即使是最优秀的飞行员都具有挑战性的演习
2021年05月10日    阅读量:15169     新闻来源:中国机械网 okmao.com    |  投稿

Quadrotor是有史以来最敏捷,最动态的机器之一。在熟练的飞行员的手中,他们可以进行一系列令人惊讶的演习。尽管自动飞行机器人在现实环境中动态飞行方面已经变得更好,但他们仍未展示出与手动驾驶机器人相同水平的敏捷性中国机械网okmao.com


现在,苏黎世大学和苏黎世联邦理工学院的机器人与感知小组的研究人员与英特尔合作开发了一种神经网络训练方法,该方法“使自动四旋翼飞行器仅通过机载感应和计算就可以进行极端的杂技演习。” 极端。


AI动力无人机学习极限技巧,这架无人机可以执行即使是最优秀的飞行员都具有挑战性的演习 中国机械网,okmao.com


这里有两点值得注意的事情:首先,四旋翼机可以在户外进行这些极端的杂技表演,而无需任何类型的外部摄像头或运动跟踪系统来提供帮助(所有传感和计算均在机上)。


其次,所有的AI训练都是在仿真中完成的,不需要额外的仿真到真实世界(研究人员称为“仿真到真实”)转移步骤。通常,从模拟到真实的转换步骤意味着将四旋翼飞机置于上述外部跟踪系统之一中,以使它在尝试调和模拟世界与现实世界之间的差异时不会完全陷入困境。研究人员在描述其系统的论文中写道:“即使是微小的错误也可能导致灾难性的后果。”


为了实现从零到零的从模拟到真实的转换,模拟中的神经网络训练使用了专家控制器,该专家控制器确切地知道了要教什么知识的“学生控制器”发生了什么。就是说,学生在学习跟随专家时最终使用的模拟感官输入已被抽象化,以呈现其在现实世界中将会遇到的不完美,不精确的数据。


这可能涉及诸如抽象掉模拟的图像部分之类的事情,直到您无法分辨抽象的模拟与抽象的现实之间的差异,这才使系统能够实现从模拟到真实的飞跃。


研究人员使用的模拟环境是凉亭,稍加修改即可更好地模拟四旋翼物理学。同时,实际上,仅使用Nvidia Jetson TX2 计算板和 Intel RealSense T265(针对V-SLAM优化的双鱼眼摄像头模块)进行了自定义1.5公斤,推力重量比为4:1的四旋翼飞机的物理实验。。为了挑战学习系统,它经过了训练,可以执行三项杂技演习以及所有这些技巧的组合:


人工智能杂技无人机

杂技动作的参考轨迹。左上角的第一行:电源循环,滚桶和Matty Flip。下排:组合。

所有这些操作都需要高达3 g的高加速度和谨慎的控制,而Matty Flip尤其对人类而言尤其具有挑战性,因为整个过程都是在无人机向后飞行时完成的。尽管如此,在进行了仅仅几个小时的模拟训练后,该无人机在这些技巧上完全具备了现实世界的能力,甚至可以推断出一点点来执行未明确训练的演习,例如连续执行多个循环。


人类仍然比无人机更具优势的地方(正如您所期望的那样,因为我们谈论的是机器人)正在迅速对新颖或意外的情况做出反应。当您在户外进行此类操作时,从一阵风到嫉妒的鸟,到处都是新颖而出乎意料的情况。


有关更多详细信息,我们与苏黎世大学机器人与感知小组的Antonio Loquercio进行了交谈。


IEEE Spectrum:您能解释一下抽象层如何与模拟传感器对接以实现有效的从模拟到真实的传输吗?


安东尼奥·洛奎西奥(Antonio Loquercio): 抽象层将特定功能应用于原始传感器信息。完全相同的功能应用于真实传感器和模拟传感器。该功能的结果是“抽象的传感器测量值”,使对同一场景的模拟和真实观察变得相似。


例如,假设我们有一系列的模拟图像和真实图像。考虑到渲染的差异,我们可以很容易地将真实对象与模拟对象区分开。但是,如果我们应用“特征轨迹”的抽象功能,它们是时间上的点对应关系,由于点对应关系与渲染无关,因此很难确定哪个是模拟的和真实的特征轨迹。这适用于人类以及神经网络:


在如此激进的演习中,来自像Intel RealSense T265这样的摄像机的视觉输入对于状态估计有多大用处?使用事件摄像机会大大改善状态估计吗?


我们的端到端控制器不需要状态估计模块。但是,它与传统状态估计管线共享某些组件,特别是特征提取器和惯性测量单元(IMU)的预处理和集成功能。神经网络的输入是特征轨迹和集成的IMU测量。


当查看功能低下的图像时(例如,当摄像机指向天空时),神经网络将主要依靠IMU。当有更多功能可用时,网络将用于校正来自IMU的累积漂移。总体而言,我们注意到,在很短的时间内,IMU测量就足以完成任务。但是,对于更长的飞机,视觉信息对于成功解决IMU漂移并完成操纵是必不可少的。


确实,视觉信息在最长的操作时间内最多可将撞车几率降低30%。我们绝对认为事件摄影机可以在当前方法上做出更大的改进,因为它们可以在高速运行期间提供有价值的视觉信息。


“ Matty Flip可能是我们的方法可以做得很好的一种操作……对人类来说,这是一个巨大的挑战,因为他们看不到他们要去的地方,并且在估计速度时遇到了问题。对于我们的方法,机动根本没有问题,因为我们可以估计前进和后退的速度。”


—苏黎世大学的安东尼奥·洛奎西奥(Antonio Loquercio)

您描述的是能够进行“即使是熟练的人类飞行员也能进行扩展的演习”进行训练。您的无人机可能能够执行大多数人类飞行员无法做到的杂技表演的哪些例子?


Matty Flip可能是我们的方法可以做得很好的机动之一,但人类飞行员却发现非常具有挑战性。从根本上讲,它总是需要向后看来进行高速电源循环。对于人类而言,这是极具挑战性的挑战,因为他们看不到他们要去的地方,并且在估算速度时遇到了问题。对于我们的方法,机动根本没有问题,因为我们可以估计前进速度和倒退速度。


该系统的性能受到哪些限制?


目前的主要限制是机动持续时间。我们从未培训过执行时间超过20秒的控制器。将来,我们计划解决这一限制,并训练通用控制器,使其能够以这种敏捷的方式飞行更长的时间,并且漂移相对较小。这样,我们可以开始在无人机竞赛中与人类飞行员竞争。


您能谈谈如何将此处开发的技术应用于无人机杂技以外的领域吗?


当前的方法使我们能够在自由空间中进行杂技和敏捷飞行。我们现在正在努力在混乱的环境中执行敏捷飞行,这需要对该项目更加了解周围环境。无人机杂技当然只是一个示例应用程序。我们选择它是因为它对控制器性能进行了压力测试。


但是,其他一些需要快速灵活飞行的应用程序也可以从我们的方法中受益。例如交付(我们希望我们的Amazon数据包总是更快,不是吗?),搜索和救援或检查。更快的速度使我们能够在更短的时间内覆盖更多的空间,从而节省电池成本。的确,对于自动无人驾驶飞机来说,敏捷飞行具有非常相似的电池消耗,即缓慢悬停。


标签:行业资讯原料动态今日头条机械商道机械应用人工智能市场评论技术中心机器人设备与仪器特种机器人配件与装备系统及软件工业设备 办公设备
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识