该系统训练无人机在障碍物周围高速飞行

如果你关注无人驾驶飞机比赛，你可能会记得坠毁和胜利。在无人机竞赛中，参赛团队会竞争，看哪辆车训练得更好，能以最快的速度飞过障碍物。但无人机飞得越快，就越不稳定，在高速飞行时，它们的空气动力学可能过于复杂，难以预测。因此，崩盘是一种常见的、往往是引人注目的事件。

如果能让无人机变得更快、更灵活，它们就能在赛程以外的时间紧迫的行动中投入使用。例如，它们可以用于在自然灾害中搜寻幸存者。

麻省理工学院的航空工程师设计了一种算法，有助于无人机在不崩溃的情况下找到障碍物的最快路线。新算法将无人机飞行的模拟通过虚拟障碍课程的数据与实际无人机的实验中的数据通过在物理空间中使用相同的课程。

研究人员发现，使用他们的算法训练的无人机通过简单的障碍路线的速度比使用传统规划算法训练的无人机快20%。有趣的是，新算法并不总是让无人机在整个过程中领先于竞争对手。在某些情况下，它选择放慢无人机的速度来处理棘手的弯道，或者节省能源以加速并最终超越对手。

”在高速有复杂的空气动力学中,难以模拟,在现实世界中我们用实验来填补这些黑洞的发现,例如,它可能是更好的先放慢速度要快后,“以斯拉塔尔说,研究生在麻省理工学院航空航天部门。“我们用这种整体的方法来看看如何尽可能快地做出一个整体的轨迹。”

“这些种类的算法是使未来无人机能够非常快速地导航复杂环境的算法非常有价值的步骤，”航空航天副教授和麻省理工学院的信息和决策系统实验室主任说。“我们真的希望以他们的物理限制将允许的方式行驶的方式推动限制。”

Tal, Karaman和MIT研究生Gilhyun Ryou已经在国际机器人研究杂志．

飞行的快速影响

如果他们意味着慢慢飞行，训练障碍是直截了当的。这是因为拖动等空气动力学通常不会以低速发挥作用，并且它们可以被遗漏出无人机行为的任何建模。但是，高速，这种效果更加明显，车辆如何处理如何更难预测。

“当你快速飞行时，很难估计你在哪里，”你说。“向电机发送信号时可能会出现延迟，或者电压突然下降，这可能会导致其他动力问题。这些影响无法用传统的规划方法来模拟。”

为了了解高速空气动力学是如何影响飞行中的无人机的，研究人员必须在实验室进行许多实验，将无人机设定在不同的速度和轨迹上，以了解哪种无人机飞行速度快而不坠毁——这是一个昂贵且经常会导致坠毁的训练过程。

相反，麻省理工学院的团队开发了一种高速飞行规划算法，它结合了模拟和实验，以最小化识别快速和安全飞行路径所需的实验数量。

研究人员始于一种基于物理的飞行计划模型，它们开发出首先模拟通过虚拟障碍课程的驾驶时驾驶员的表现。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，他们绘制了每个场景是否可行（安全），或不可行（导致崩溃）。从这个图表中，他们可以在少数最有前途的情景或赛车轨迹中快速零，在实验室中试用。

“我们可以便宜，快速地完成这种低保真仿真，看看有趣的轨迹可能是快速可行的。然后我们在实验中飞行这些轨迹，看看它在现实世界中实际上是可行的，“塔尔说。“最终我们会收敛到最佳轨迹，使我们能够最低的可行时间。”

快速走得慢

为了演示他们的新方法，研究人员模拟了一架无人机通过一个简单的飞行路线，其中有五个大的、方形的障碍物交错排列。他们在一个体能训练空间设置了同样的配置，并让无人机以他们之前从模拟中挑选的速度和轨迹飞行。他们还用一架无人机进行了同样的训练，无人机采用的是一种更传统的算法，没有将实验纳入其规划。

总的来说，按照新算法训练的无人机在每一场比赛中都“获胜”，比传统训练的无人机在更短的时间内完成比赛。在某些情况下，获胜的无人机比其竞争对手完成航程快20%，尽管它的飞行轨迹起步较慢，例如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，可能是因为其轨迹仅基于模拟，无法完全考虑团队实验在现实世界中揭示的空气动力学效应。

研究人员计划进行更多的飞行实验，以更快的速度，通过更复杂的环境，以进一步改进他们的算法。它们还可能整合远程驾驶无人机的人类飞行员的飞行数据，他们的决策和操作可能有助于瞄准更快、但仍然可行的飞行计划。

塔尔说:“如果人类飞行员减慢或加快速度，这可以告诉我们的算法做什么。”“我们也可以用人类飞行员的轨迹作为起点，并从那里改进，看看，什么是人类没有做的，我们的算法可以找出，以飞得更快。这是我们正在考虑的一些未来的想法。”

- Chris Vavra编辑，网页内容经理，控制工程， CFE Media and Technology，cvavra@cfemedia.com．