10月23日，國外研究人員在《科學(xué)機(jī)器人》（Science Robotics）雜志上發(fā)表了一篇研究論文，提出一種可以完全自主探索未知環(huán)境的微型無人機(jī)群，這是集群機(jī)器人領(lǐng)域的一個(gè)重要進(jìn)步。

挑戰(zhàn)來自這樣一個(gè)事實(shí)：重量僅為33克的微型無人機(jī)，需要在具備極其有限的感知和計(jì)算能力情況下進(jìn)行自主導(dǎo)航。來自代爾夫特理工大學(xué)、利物浦大學(xué)和拉德堡德大學(xué)的研究人員組成的聯(lián)合研究小組，通過從昆蟲導(dǎo)航的相對(duì)簡單性中汲取靈感來應(yīng)對(duì)這一挑戰(zhàn)。

大自然是最好的老師

機(jī)器人學(xué)家們從大自然昆蟲群的行為中得到了靈感，他們認(rèn)為小型機(jī)器人也可以通過集群行動(dòng)來克服個(gè)體上的局限性。成群結(jié)隊(duì)的低成本小型機(jī)器人將能夠執(zhí)行目前單個(gè)大型機(jī)器人力所不能及的任務(wù)。例如，一大群小型飛行無人機(jī)能夠比一架大型無人機(jī)更快地探測到災(zāi)難現(xiàn)場。這樣的群體性優(yōu)勢(shì)之前一直沒有被意識(shí)到。

（視頻：Crazyflies無人機(jī)成功完成搜救場景的視頻。無人機(jī)還能夠在不同的位置定位兩個(gè)人類大小的木偶，用機(jī)載相機(jī)拍照，并將信息返回基地。）

緣起于搜救

在過去的四年中，上述由荷蘭國家科學(xué)基金會(huì)NWO自然人工智能項(xiàng)目資助的聯(lián)合研究小組力求設(shè)計(jì)一群能夠勘探不明環(huán)境的微型無人機(jī)。該研究項(xiàng)目的目標(biāo)是推動(dòng)集群無人機(jī)在搜救方案中的使用。

研究者們對(duì)未來的設(shè)想是，救援人員能夠釋放一群微型無人機(jī)來探索一個(gè)災(zāi)難現(xiàn)場——例如一座即將坍塌的大樓。成群的無人機(jī)將進(jìn)入大樓，對(duì)其進(jìn)行勘測，并帶著相關(guān)信息返回基站。然后，救援人員可以根據(jù)無人機(jī)提供的信息把集中精力在最相關(guān)的領(lǐng)域（比如里面還有人）。

（圖：這種微型無人機(jī)可以放在手掌中，重33克。它能與集群中其他無人機(jī)一起快速探索無人環(huán)境）

尋找受害者

在這個(gè)項(xiàng)目的實(shí)驗(yàn)中，微型無人機(jī)被裝配了攝像頭，然后從一個(gè)室內(nèi)辦公環(huán)境中被發(fā)送出去，尋找兩個(gè)代表災(zāi)難場景中受害者的人體模型。最終，這一概念型搜救任務(wù)的結(jié)果清楚地表明了擁有“集群”的優(yōu)勢(shì)。在6分鐘內(nèi)，6架無人機(jī)組成的集群就可以探測約80%的開放空間，這對(duì)其中任何一架單獨(dú)的無人機(jī)來說都是不可能實(shí)現(xiàn)的。此外，集群還具備冗余度的優(yōu)勢(shì)。比如，一架無人機(jī)發(fā)現(xiàn)了一名受害者，但由于相機(jī)硬件出了故障而無法帶回任何圖像，這時(shí)候集群中另一架無人機(jī)就可以用攝像機(jī)拍下受害者。

挑戰(zhàn)是什么？

“實(shí)現(xiàn)集群勘測的最大挑戰(zhàn)在于無人機(jī)的個(gè)體智能水平，”執(zhí)行該項(xiàng)目的博士生金伯利·麥奎爾說，“在項(xiàng)目開始時(shí)，我們的重點(diǎn)是實(shí)現(xiàn)基本的飛行功能，如控制速度和避開障礙物。在此之后，我們?cè)O(shè)計(jì)了一種小型無人機(jī)之間相互偵測和躲避的方法。為實(shí)現(xiàn)這種功能，我們讓每個(gè)無人機(jī)攜帶一個(gè)無線通信芯片，然后利用這些芯片之間的信號(hào)強(qiáng)度，這就像手機(jī)上的信號(hào)格，當(dāng)你遠(yuǎn)離家中的WiFi路由器時(shí)，信號(hào)格就會(huì)減少。這種方法的主要優(yōu)點(diǎn)是無人機(jī)不需要額外的硬件，而且只需要很少的計(jì)算?！?/p>

自主導(dǎo)航

在集群方式的勘探中，令人畏懼的困難是讓小型機(jī)器人獨(dú)自在未知環(huán)境中導(dǎo)航。原因是微型機(jī)器人在感知和計(jì)算方面的能力非常有限。

再一次，大自然提供了重要的靈感。昆蟲不會(huì)繪制非常詳細(xì)的地圖，相反，它們僅保留地標(biāo)以及行為上相關(guān)的地方，如食物來源和它們的巢穴?！靶聦?dǎo)航方法的主要思想是將我們對(duì)導(dǎo)航的期望降低到極致：我們只需要機(jī)器人能夠?qū)Ш交鼗荆痹擁?xiàng)目的主要研究者guido de croon說，“機(jī)器人集群首先讓每個(gè)機(jī)器人遵循各自的最優(yōu)方向擴(kuò)散到環(huán)境中。在勘探之后，機(jī)器人將返回位于基站的無線信標(biāo)?！?/p>

“論文所提出的導(dǎo)航方法是一種新型的錯(cuò)誤算法（bug algorithm），”Kimberly McGuire補(bǔ)充道，“錯(cuò)誤算法不繪制環(huán)境地圖，而是處理飛行中的障礙物。原則上，詳細(xì)的地圖非常方便，因?yàn)樗鼈冊(cè)试S機(jī)器人沿著最佳路徑從地圖上的任何點(diǎn)導(dǎo)航到任何其它點(diǎn)。然而，在微型機(jī)器人上制作這樣一張地圖的成本是令人望而卻步的。所提出的錯(cuò)誤算法導(dǎo)致路徑效率較低，但其優(yōu)點(diǎn)是可以在微型機(jī)器人上實(shí)現(xiàn)?！?/p>

來源：　易明智能