無人機送貨比快遞員更靠譜？
在不久的將來，你網購的商品可能是無人駕駛飛機送上門的：去年12月，網路零售商Amazon宣布，計劃開發一種基於無人駕駛飛機的送貨方式，由飛行機器人充當的自動化送貨員可以在你下單30分鐘後就把貨物送到你的手上。
為了確保安全、及時和準確的交貨，無人駕駛飛機必須能應對一些不確定因素，比如大風、感測器測量錯誤，或漏油。但是這樣的應變能力往往需要大量的計算，是無人駕駛飛機所無法勝任的。
現在，麻省理工學院找到了一個雙管齊下的方法，大幅度降低了長途送貨任務所涉及到的計算量。研究團隊首先開發了一種演算法，使無人駕駛飛機能夠實時監測自己的「健康狀況」。有了這種演算法，無人駕駛飛機就可以預測自己的燃料水平，和螺旋槳、攝像機以及任務中用到的其他感應器的狀況，並在需要的時候採取措施，比如返回加油站。
研究團隊還開發了一種方法，讓無人駕駛飛機可以在降落前有效地計算它未來可能的位置。這種方法將無人駕駛飛機所有可能經過的路線簡化為，不撞上任何障礙物，到達某個指定的目的地。
研究人員進行了模擬實驗，在不同的環境條件下進行了多次投遞。在實驗中，研究人員發現，與那些沒有安裝健康狀況監測演算法的無人駕駛飛機相比，他們的無人駕駛飛機投遞的包裹數量一樣多，但是錯誤率和故障率低得多。
「包裹投遞這樣的事情，需要無人駕駛飛機幾個小時連續工作，所以必須考慮系統的健康狀況，」麻省理工學院的航空與航天學院的博士後Ali-adbar Agha-mohammadi說。「有趣的是，我們在模擬試驗中發現，即使在嘈雜的環境中，100架無人駕駛飛機里也沒發生多少故障。」
要規劃一台自動駕駛設備的路線，往往要用到一種叫做馬爾科夫決策過程（MDP）的方法，這是一種連續的決策框架，類似於一棵可能行動構成的「樹」。在樹上的每一個結點，都可以分支出幾種可能採取的行動——採取其中任何一種行動，可能都會帶來更多的可能性。Agha-mohammadi解釋說，MDP是一個「推測未來的過程」，從而判斷採取什麼樣的行動可以使風險最小。
他說，在能夠精確衡量的環境中，可以精確地觀察到一個行動所帶來的結果，MDP可以很好地發揮作用。但是在現實環境中，衡量過程中充滿了不確定性，這種連續推理也就不那麼可靠了。例如，即使下達的指令是轉彎90度，但是由於大風，無人駕駛飛機可能無法有效地執行這個指令。
所以，研究者放棄了MDP框架，而是選擇了一種更一般性的部分可觀測的馬爾科夫決策過程（POMDP）。這種方法會產生一個類似的概率樹，每個結點代表一種概率分布，也就是出現某種特定結果的可能性。因此，要規劃任何時間長度內一台飛行器的路線，都會使可能出現的結果數量呈指數型增長，這就會帶來繁重的計算工作。
Agha-mohammadi將問題簡化了。他把計算劃分為兩個部分：飛行器層面的規劃，比如飛行器在任一給定時刻的位置；以及任務層面的規劃或健康規劃，比如飛行器螺旋槳、攝像機和燃料的狀況。
對於飛行器層面的規劃，他開發了一種計算方法，從多種可能的結果中，篩選出幾個最可能出現的結果。
「你可以想像一棵巨大的概率樹，你把一大把葉片摺疊成一片葉子，那最後這棵樹可能就只有10片葉子了，而不是有上百萬片，」Agha-mohammadi說。「這樣，你大概只需要半小時的時間，和一張大環境的地圖，就可以精確地預測不同路線發生碰撞和故障的概率。」
他說，提前規划出飛行器可能的位置，就可以節省大量的計算能力，用於實時進行任務層面的規劃。
研究人員將兩種計算方法結合起來進行了一些模擬實驗。在實驗中，無人駕駛飛機的任務是用有限的燃料，在不同的風速狀態下，向不同的地址投送多個包裹。他們發現，在這種雙管齊下的方法下，無人駕駛飛機能夠提前採取措施保障它們的健康狀態，還可以在任務進行中間改變路線到充電站，以防燃料用盡。研究團隊發現，即使有這些干擾，在規定的時間裡，這些無人駕駛飛機投遞的包裹數量仍然和那些不考慮健康狀況而只管投遞包裹的無人駕駛飛機一樣。
接下來，研究團隊計劃在實際環境中檢測這種路線規劃方法。研究人員已經在小型無人駕駛飛機上安裝了電磁鐵，使它們可以隨時拾起和放下小的包裹。研究團隊還給無人駕駛飛機編寫了程序，讓它們能夠在特製的充電站著陸。
「我們相信，在不久的將來，在實驗室里，我們就能夠證明我們可以在保證飛行器健康的情況下投遞儘可能多的包裹，」Agha-mohammadi說。「不僅是無人駕駛飛機，包裹也很重要。如果包裹出了問題，可能會造成重大損失。」
（原作者：Jennifer Chu；via MIT）
TAG:知識百科 |