科学家以汽车、脚踏车行驶资料训练出可自动飞行的无人机

苏黎士大学（University of Zurich）的机器人与感知小组实验室以更省力的方法打造出可自动飞行的无人机，他们借由人工智能，以及汽车及脚踏车的行驶资料来取代稠密且耗电的感应器，让无人机能够在城市的街道上顺畅地转弯、避免碰撞，而且无人机所学习到的航行策略是通用的，就算在缺乏训练资料的室内空间，也无碍它的自动飞行。

无人机的演进已让人们期望它能应用在许多场景中，像是空中监视、送货，或是监控既有的建筑物，但在城市环境中部署却多所受限，特别是当要求无人机要在非结构化且经常变化的环境中还能安全地自动飞行时。

大多数可自动飞行的无人机是仰赖地图、定位与路线规划三大要件，先建置一份地图，再将物件定位，接着规划安全的移动路径，然而，这样的作法需要复杂、昂贵且耗电的感应器与电脑，对于自动飞行无人机的商业化而言并不切实际。

因此，研究人员以汽车及脚踏车的行驶资料来取代上述所需的硬件。

该实验室打造了名为DroNet的卷积神经网络（convolutional neural network），替每个输入的影像制造出两种输出结果，一是转弯的角度，让无人机在飞行时能够闪避障碍物，二是碰撞的可能性，训练无人机辨识危险状况并迅速作出反应，同时借由行驶在道路上的汽车与脚踏车所搜集的资料进行训练。

DroNet透过汽车在道路上绕了数小时的影片来判断转弯角度，绑在脚踏车上的GoPro所拍摄的影片则可让DroNet学习碰撞概率。

从该实验室所发表的影片可看出（下），自动飞行的无人机在公开道路上可遵循基本的交通规则，例如不随意飞向对面车道，还能流畅地转弯，闪避行人与各种障碍物。

此外，研究人员也发现上述训练可达到某种程度的通用性，就算没有输入新的资料，无人机也能在室内、走廊或其他环境中自动飞行。

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