科學家以汽車、腳踏車行駛資料訓練出可自動飛行的無人機

蘇黎士大學（University of Zurich）的機器人與感知小組實驗室以更省力的方法打造出可自動飛行的無人機，他們藉由人工智慧，以及汽車及腳踏車的行駛資料來取代稠密且耗電的感應器，讓無人機能夠在城市的街道上順暢地轉彎、避免碰撞，而且無人機所學習到的航行策略是通用的，就算在缺乏訓練資料的室內空間，也無礙它的自動飛行。

無人機的演進已讓人們期望它能應用在許多場景中，像是空中監視、送貨，或是監控既有的建築物，但在城市環境中部署卻多所受限，特別是當要求無人機要在非結構化且經常變化的環境中還能安全地自動飛行時。

大多數可自動飛行的無人機是仰賴地圖、定位與路線規畫三大要件，先建置一份地圖，再將物件定位，接著規畫安全的移動路徑，然而，這樣的作法需要複雜、昂貴且耗電的感應器與電腦，對於自動飛行無人機的商業化而言並不切實際。

因此，研究人員以汽車及腳踏車的行駛資料來取代上述所需的硬體。

該實驗室打造了名為DroNet的卷積神經網路（convolutional neural network），替每個輸入的影像製造出兩種輸出結果，一是轉彎的角度，讓無人機在飛行時能夠閃避障礙物，二是碰撞的可能性，訓練無人機辨識危險狀況並迅速作出反應，同時藉由行駛在道路上的汽車與腳踏車所蒐集的資料進行訓練。

DroNet透過汽車在道路上繞了數小時的影片來判斷轉彎角度，綁在腳踏車上的GoPro所拍攝的影片則可讓DroNet學習碰撞機率。

從該實驗室所發表的影片可看出（下），自動飛行的無人機在公開道路上可遵循基本的交通規則，例如不隨意飛向對面車道，還能流暢地轉彎，閃避行人與各種障礙物。

此外，研究人員也發現上述訓練可達到某種程度的通用性，就算沒有輸入新的資料，無人機也能在室內、走廊或其他環境中自動飛行。

此一研究已刊登在最新一期的《 IEEE Robotics and Automation Letters》機器人期刊上。