8 月 14 日消息，麻省理工学院的航空航天工程师设计了一个方法，可以帮助无人机找到避开障碍物的最快路线，从而避免坠毁。利用这个方法训练过的无人机穿越复杂场地的速度能比传统方法训练的无人机快 20%。
当无人机快速飞行的时候，空气动力学变得复杂且无法预测，无人机本身也变得不稳定，这就导致它可能无法很好的躲避障碍物。研究人员通过将计算机模拟与现实实验的数据相结合的方式设计出了新方法，可以更好的解决这一问题。
这项研究结果于 7 月 29 日发表在《国际机器人研究杂志（The International Journal of Robotics Research）》上，论文题目为《用时最优的四旋翼飞行器机动性的多保真黑箱优化（Multi-fidelity black-box optimization for time-optimal quadrotor maneuvers）》。
论文链接：https://journals.sagepub.com/doi/10.1177/02783649211033317
一、空气动力学难模拟，无人机高速飞行避障成难题
在无人机比赛中，参赛队会相互竞争，看看哪款无人机经过了更好的训练，可以快速的通过障碍赛道。但是无人机飞的越快，越容易变得不稳定，时常会撞到障碍物发生坠机。因此，如何让无人机在高速飞行的过程中有效地躲避障碍，成了研究者们想要解决的一大难题。
麻省理工学院的航空航天工程师通过将计算机模拟与现实实验的数据相结合设计出了一种新方法，能够帮助无人机找到绕过障碍物的最快路线。
如果打算让无人机缓慢飞行，那么训练无人机绕过障碍物是相对简单的。空气阻力等空气动力学通常不会在无人机的低速状态下发挥明显作用，因此可以排除在无人机行为的建模之外。
但是在无人机高速飞行时，空气动力学的影响要明显的多，而且这时无人机更难预测并应对可能发生的情况。
“在高速下，存在难以模拟的复杂的空气动力学，因此我们使用现实世界中的实验填补这些难以模拟的黑洞。”麻省理工学院航空航天系研究生 Ezra Tal 说。
二、研究者模拟数千个场景，让无人机以 11m/s 高速穿越障碍
研究团队的另一名研究生 Gilhyun Ryou 说：“当无人机飞的很快的时候，很难估计自己在哪里，并且这时无人机向控制其飞行的电机发送信号可能会出现延迟，或者可能会突然出现电压下降等动态问题，这导致无法用传统的方法对无人机的飞行进行建模。”
在过去，为了了解空气动力学如何影响高速飞行中的无人机，研究人员必须在实验室中进行许多次实验，将无人机设置成不同的速度与飞行轨迹，以查看哪种飞行模式既快速又安全，这是一个昂贵且复杂并且经常发生无人机坠毁的过程。
针对这一问题，麻省理工学院的研究人员提出了一个多保真（multi-fidelity）Bayesian 优化框架，基于解析模拟和真实世界的飞行实验对飞行的可行性进行建模，评估每种飞行可能，优化飞行轨迹和飞行时间，并大大降低所要进行的实验次数。
研究人员首先将无人机在穿越障碍赛道时可能出现的行为模拟了数千个场景，每个场景都有不同的飞行路径。然后他们根据每种情况是否可行绘制了图表，根据这些图表可以快速找到最有希望成功的飞行场景或轨迹，然后在实验室中进行尝试。
“我们可以廉价而快速地进行这种低保真模拟，来查看既可行又快速的飞行路径。然后我们在实验中按照这些轨迹飞行，看看哪些在现实世界中是实际可行的。”Ezra Tal 说。
研究人员将几个大型方形障碍物交错排列，以模拟无人机的飞行场景。然后他们按照模拟结果中对无人机进行编程，让无人机以 11m/s 的速度高速飞过整个场地。
▲ 不同训练方法的无人机穿越障碍
实验中研究人员还使用经过传统方法训练的无人机当作对比，结果发现，使用新方法训练的无人机在更短的时间内完成了整个飞行过程。
在一些情况下，新方法训练的无人机能够比传统方法训练的无人机快 20% 完成整个飞行。这是因为传统方法完全基于计算机对飞行轨迹的的模拟对无人机进行训练，无法应对高速飞行状态下的空气动力学效应。
研究人员还发现一个非常有趣的现象，用新方法训练出来的无人机并非全程领先对手。在某些情况下，无人机会选择减速来应对棘手的弯道，或者会选择更加节能的飞行方式，以此来寻找机会加速实现更快地到达终点。
三、结合人类飞行员驾驶数据，研究者欲挑战更复杂场景
研究人员计划以更快的速度在更复杂的环境进行更多实验，以进一步改进他们的方法。他们还将在实验中结合远程驾驶无人机的人类飞行员的数据，因为他们的决策可能有助于研究团队找到更快可行性更高的飞行方式。
“我们可以以人类飞行员的飞行方式为起点，从中改进我们的方法，看看有哪些人类做不到的事情可以让我们的无人机做到。”Ezra Tal 说。
如果无人机变得更快更灵活，将有机会更多地用在一些需要时间的紧迫事务上，比如在自然灾害中寻找幸存者。
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 说：“这些新算法是非常有价值的一步，在未来或许能够让无人机实现快速地在复杂环境中飞行。”
结语：更会避障的无人机或能用于灾害救援
无人机高速飞行中实现有效避障是一项不小的挑战，往往会因为无法有效避开障碍物而发生坠机。
麻省理工学院的这个新方法能够在保证无人机飞行速度的同时让无人机更好的躲避障碍，找到最优的飞行路线，这能够在一定程度上有效减少无人机坠机事件的发生。
另外，飞行速度更快且更灵活的无人机能够应对更多更复杂的场景。随着这项训练方法的改进，或许能够让无人机在未来更好的应用于灾害救援之中，拯救更多人的生命。