訓練一名新的飛行員使其具備飛機操作的所有技能是一項艱巨的任務。好的視力,重壓之下保持鎮靜的能力,以及數千小時的訓練強度都是所需要的。與此同時,航空公司對飛行員需求量很高。據New York Times報導:“到2037年,將需要635,000名商業飛行員。” 也許無人機機器學習可以減輕這些負擔。
當您在飛機上時,很難知道地面上發生了什麼。而當地面上有大量人群聚集時,瞭解具體的情況就會變得更加困難。在2013年波士頓馬拉松爆炸事件發生後,研究人員受到啟發,開始致力於解決人群聚集的問題。簡單來說,就是研究如何快速分析聚集人群的行為從而確定誰極有可能遭受到暴力侵害。在每次聚集活動中派出成千上萬的警力是不切實際的,且成本過高。所以,無人機機器學習非常具有研究價值。
要開始進行無人機機器學習,研究人員首先需要創建一個資料集。IEEE Spectrum將機器學習的過程總結如下:
“訓練深度學習演算法,透過檢測視訊圖像中身體和四肢姿勢的各種組合形式來識別暴力行為。為了創建一個訓練資料集,研究人員招募了25名實習生聚集在一個空曠區域,讓他們類比了五種暴力行為,包括拳打、踢腿、扼殺、刺傷和射擊,與此同時,使用Parrot AR.Drone從不同高度(2米至8米之間)進行拍攝。”
有了這個原始資料,無人機機器學習就可以開始了。機器學習的過程並不是對每個動作進行手動編碼和分類,而是應用於分析事件本身。結果是怎樣的呢?機器學習軟體可以對圖像進行檢測,然後對人群行為做出一些預測。現在,我們來考慮一下這項新技術所涉及的硬體。
Parrot AR.Drone在實際中是如何工作的?雖然這個型號已經不再銷售了,但是其中的硬體可以告訴我們有哪些元件是可以用在其他無人機機器學習實驗中的。
1. 飛行硬體
作為一款經典的四軸飛行器,Parrot AR.Drone能夠飛行164英尺高。該高度範圍的限制是有原因的。從操作員的角度來說,將無人機保持在可見範圍內會很有幫助。其次,無人機需要在智慧手機所能控制的範圍內飛行,該智慧手機用於傳輸代碼和從裝置接收資料。
2. 相機
為了使無人機機器學習正常工作,需要大量的原始資料。其中大部分的資料是使用Parrot AR.Drone的720p 30fps HD相機獲取的。您可以以每秒30訊框的速度捕獲人群的JPEG圖像。如果借助廣角鏡頭,無人機的相機可以獲取更大範圍的資訊。
除了主相機硬體外,還會有一個輔助相機來協助導航。具體來說,該相機會指向地面。這個60fps相機僅具有一項功能:測量無人機的地面速度。如果您在大風等不利條件下進行無人機操作,這項資訊將會很有説明。
資源:您還可以使用無人機相機來創建3D地圖。
3. 陀螺儀
如果在拍攝照片時沒有保持方位不變,無人機機器學習將無法成功進行。這就是陀螺儀發揮作用的地方。Parrot AR.Drone使用了一個3軸陀螺儀,精度為2,000°/秒。在一定程度上來說,來自陀螺儀的資訊會有助於無人機飛行的穩定性。因此,即使有風、雨或其他干擾,您的無人機也可以繼續運行並觀察人群。
4. 磁力計
想像一下,您的無人機機器學習項目中有一個是觀察1000名憤怒聚集的人群。鑒於無人機通常最長飛行時間為30分鐘,所以沒有多餘的時間可以用來犯錯。也就是說,您無法承擔無人機丟失或無人機迷失方向所帶來的後果。幸運的是,無人機內部的磁力計可以用來協助導航。如果您需要將無人機向北飛行以觀察某個區域,怎麼確認是否在向北飛行呢?磁力計可以提供該資訊。
到目前為止,我們已經研究了可以與一個操作人員合作使用的無人機機器學習方法。而這並不是這項技術可以發揮作用的唯一領域。無人機機器學習也可以應用於飛行中最困難的挑戰之一:安全著陸。無論您使用的是民用還是軍用無人機,將裝置安全降落都是至關重要的。否則,無人機可能會墜毀,您就需要換一個全新的裝置了。
目前,加州理工學院的研究人員正在使用無人機機器學習來幫助無人機進行安全降落。實際上,這些研究人員還進行了難度升級:在不利條件下著陸,同時將功耗降至最低。Science Daily對該專案的報導如下:
“在加州理工學院,人工智慧專家與控制專家研發了一種系統,該系統使用深度神經網路來説明自主無人機‘學習’如何更安全、快速地著陸,同時減少功耗。”
透過功耗的最佳化,無人機將能夠在相同的電池電量下飛行更長時間。此外,這些無人機將具有執行目前認為不可能的新型任務的能力。例如,一架大型無人機可以在交通事故區域中降落,將受傷的人送到醫院接受治療。
隨著無人機機器學習處理人群聚集問題的功能以及對飛行性能提升的功能的研發,無人機的應用領域被大大擴展。因此,當前無人機的操作中所存在的局限性(如電池壽命)將不會再阻礙無人機去承擔更多的任務。
如果您對無人機及其功能很感興趣,請閱讀本文:機器人正在走出工廠:瞭解清潔機器人工作原理