智能应用 影音
ITRI
荣耀会员

无人机如何飞得快又稳?MIT找到方法了

飞得愈快、愈灵敏的无人机,愈适合应用于天灾生还者搜救等具时效性的任务,麻省理工学院(MIT)航空与太空工程师开发演算法,协助无人机找出既能高速航行,又能避开障碍物的最短路线,经实测,穿越测试的障碍赛道的速度比传统演算法训练的无人机快20%。

Multi-Fidelity Black-Box Optimization for Time-Optimal Quadrotor Maneuvers

 点击图片放大观看

MIT以数千种不同飞行路径与速度组合的场景模拟无人机的行为。麻省理工学院

根据The Robot Report报导,训练无人机以最高速自主飞过障碍赛道,飞行速度愈快会,无人机愈不稳定,空气动力也更复杂且难以预测与模拟,最终往往以坠毁收场。无人机高速飞行的空气动力复杂且不易模拟,需采用无人机实际测试的数据来补足,才能掌握面对不同飞行状况时速度调节等的必要性。

训练无人机慢速绕过障碍时,涉及的阻力等空气动力效应几乎未产生作用,制作行为模型时可能被忽略,即便高速飞行时相关效应非常显着,但难以预料无人机因应的方式。此外高速飞行时延迟传送讯指令给马达、电压突降等因素,所引发的其他问题也让无人机不易估算本身位置,然而,传统的演算法无法将这些效应纳入模型。

一般研究人员为了解高速空气动力对无人机飞行的影响,通常在实验室进行多次测试,让无人机以各种速度与轨迹的组合飞行,观察何者能最快通过障碍赛道且不坠毁,但费时且高成本(无人机坠毁)。MIT研究团队的高速飞行规划演算法,能以最少次的测试找出最快且最安全的飞行路径。

MIT演算法兼顾模拟与实测数据的全面性做法,才能规划出让无人机最快通过障碍赛道的路线,为未来无人机以达到其物理极限的高速穿梭在复杂环境的关键。首先建立基于物理学的飞行规划模型,以数千种不同飞行路径与速度组合的竞速场景,快速且低成本的模拟无人机穿越虚拟障碍赛道的行为,并依无人机是否坠毁来标示每个场景的可行性,能大幅缩短找出最值得进一步测试的可行场景,以及可望最快穿越障碍赛道的实际最佳飞行轨迹的时间。

MIT演算法训练的无人机跟传统规划演算法训练的无人机比拼,每次都能更快穿越障碍赛道,有时甚至只要80%时间。MIT的演算法并未让无人机在障碍赛道一路领先飞行,而会透过变换速度与保存电力等巧妙调整因应某些「路况」,完全基于模拟数据的传统规划演算法就欠缺这些眉角。

MIT研究团队计划在更复杂环境以更高速进行更多飞行测试以强化演算法,并将参考无人机遥控驾驶员的飞行决策、操控、轨迹等数据,找出更快且可行的飞行计划。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 无人机