MIT工程师开发出无人机训练算法,可在高速飞行中避开障碍物
关注自主无人机竞速的人,记住的恐怕坠机比获胜更多。在无人机竞速中,各支队伍比拼的是,哪款设备更适合飞越障碍赛道。然而,无人机飞得越快,就越不稳定。在高速状态下,其空气动力学特性很难预测。故障屡见不鲜。
如果能让无人机更快、更灵活,就可以把它们用于竞速赛道之外对时间要求严苛的行动,例如在自然灾害中搜寻幸存者。
麻省理工学院(MIT)的航空航天工程师开发出一种算法,帮助无人机找到绕过障碍物且不发生故障的最快路线。该算法将无人机飞越虚拟障碍赛道的仿真,与真实无人机在物理空间中沿同一路线飞行的实验数据结合起来。
研究人员发现,按照他们的算法训练的无人机,穿越障碍赛道的速度比按照常规规划算法训练的无人机快20%。不过,新算法并不总是让无人机在整场比赛中都领先对手。有时它会选择让无人机减速以通过复杂的弯道,或者节省能量,以便之后加速并最终超过对手。
“在高速状态下会出现复杂的空气动力学效应,很难对其建模,所以我们利用真实世界的实验来填补这些“黑洞”,以便弄清楚,例如,先减速再加速可能效果更好。我们正是采用这种整体方法,来看看如何让整条轨迹尽可能快”
MIT航空航天系副教授塞尔塔克·卡拉曼表示,这类算法是朝着打造未来无人机迈出的非常宝贵的一步,这些无人机将能在复杂环境中极速移动:“我们真心希望突破极限,让它们能以物理条件所允许的最快速度飞行。
高速效应
如果无人机只需慢速飞行,训练它们避开障碍物相对简单。这是因为阻力等空气动力学效应在低速时通常不明显,在对无人机行为建模时可以忽略。但在高速下,这些效应要显著得多,也更难预测设备的表现。
在高速飞行时,无人机很难判断自己所处的位置。向电机发送信号可能出现延迟,或者电压突然下降,从而引发其他动力学问题。这些效应无法用传统的规划方法来建模。
为了弄清高速空气动力学如何影响飞行中的无人机,研究人员不得不在实验室里做大量实验,在不同速度和轨迹下调试无人机,看看哪些能够快速且无故障地飞行——这一过程成本高昂,而且常常以故障告终。
为此,MIT团队开发了一种高速飞行规划算法,将仿真与实验结合起来,从而尽量减少确定快速且安全的飞行轨迹所需的实验次数。
研究人员首先使用他们开发的基于物理的飞行规划模型,模拟无人机飞越虚拟障碍赛道时的行为。他们模拟了数千种竞速场景,每种场景都有各自的飞行轨迹和速度。
随后,他们标注了每种场景是可行的(安全)还是不可行的(导致故障)。借助这张表,研究人员能够迅速挑出几个有前景的场景或竞速轨迹,在实验室中进行试验。
“我们可以快速且低成本地进行这种仿真,找出可能既快速又现实的有趣轨迹。然后我们对这些轨迹开展实验,了解其中哪些在真实世界中真正可行。最终,我们逼近最优轨迹,从而获得尽可能短的时间”
先减速,再加速
为了展示新方法,研究人员模拟了一架无人机飞越一条简单的路线,路线上有五个呈交错排列的大型方形障碍物。
他们在一个体育训练场馆内搭建了相同的布置,并对无人机进行编程,使其按照先前从仿真中选出的速度和轨迹飞行。他们还让一架按照较传统算法训练的无人机飞了同样的路线,该算法在规划时不包含实验环节。
总体而言,按照新算法训练的无人机在每场比赛中都“获胜”,跑完赛道所用时间比常规训练的无人机更短。在某些场景中,获胜的无人机完成比赛的速度比对手快20%,即使它选择了起步较慢的轨迹——例如转弯时多花了一点时间。
研究人员计划在更高的速度和更复杂的条件下开展更多实验,以改进他们的算法。他们还可能纳入人类飞手遥控无人机时的飞行数据,这些飞手的决策和机动动作或许有助于制定出更快、但仍然可行的飞行方案。
