高速飛行的無(wú)人機(jī)用SLAM怎樣導(dǎo)航

谷歌SLAM算法Cartography的閉環(huán)演示

目前，無(wú)人機(jī)大多依靠周圍環(huán)境地圖完成導(dǎo)航。地圖的繪制需要深度傳感器對(duì)周圍的實(shí)時(shí)環(huán)境進(jìn)行掃描，再以此為基礎(chǔ)創(chuàng)建3D模型。如此，無(wú)人機(jī)能夠知曉自己所在的位置，以及該如何前往目的地。這便是SLAM (即時(shí)定位與地圖構(gòu)建) 技術(shù)。

雖然，SLAM已在自動(dòng)駕駛領(lǐng)域得到廣泛應(yīng)用，但這項(xiàng)技術(shù)依然存在局限性，即需要大量高保真數(shù)據(jù)以及處理數(shù)據(jù)所依賴的強(qiáng)大運(yùn)算能力。而高速飛行的無(wú)人機(jī)，如果要在嚴(yán)格的時(shí)間限制之內(nèi)完成大量精確數(shù)據(jù)的收集和處理，便會(huì)對(duì)硬件和軟件提出更高的要求，從而令成本大幅增加。

針對(duì)這一問(wèn)題，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室 (CSAIL) 推出了名為NanoMap的運(yùn)動(dòng)規(guī)劃框架，用于高速飛行無(wú)人機(jī)的導(dǎo)航和避障。這一系統(tǒng)依然需要收集周圍環(huán)境的三維數(shù)據(jù)，但并不會(huì)將所有信息整合成一張完整的地圖，而只需將信息存儲(chǔ)在一系列3D快照中。這樣一來(lái)，系統(tǒng)每秒需要處理的數(shù)據(jù)量得到有效減少，反應(yīng)速度便可以更快。

NanoMap的工作原理是這樣的 (如圖) ——

一系列3D快照反映出無(wú)人機(jī)的運(yùn)動(dòng)軌跡， 如灰色三角形 (左一) ，而藍(lán)色曲線則表示人類為其設(shè)定的下一步運(yùn)動(dòng)軌跡。如要達(dá)到預(yù)定軌跡中的紅點(diǎn) (左二/右二/右一) ，則需回溯之前的3D快照，直至找到包含目標(biāo)紅點(diǎn)的視圖。通過(guò)這一方式，系統(tǒng)可以判斷障礙物的位置并以此為無(wú)人機(jī)制定運(yùn)動(dòng)規(guī)劃。

雖然，這一方案中系統(tǒng)需要處理的數(shù)據(jù)量與SLAM相比明顯降低，但其不足之處在于，需要回溯的3D快照越久遠(yuǎn)，便越難以確定拍下快照時(shí)無(wú)人機(jī)所在的位置。

針對(duì)不確定度 (uncertainty) ，傳統(tǒng)的解決方案是讓同一參照物的多個(gè)視圖互相校準(zhǔn)，從而繪制較為精確的周圍地圖。NanoMap則不同，依靠一系列3D快照進(jìn)行建模，得出每幅快照的不確定度，選出不確定度最小的快照，再將這一不確定度計(jì)入無(wú)人機(jī)的運(yùn)動(dòng)規(guī)劃。不確定度設(shè)定越高，無(wú)人機(jī)便會(huì)越遠(yuǎn)離障礙物。

無(wú)人機(jī)的不確定度主要來(lái)自慣性測(cè)量單元 (IMU) 測(cè)量加速度的準(zhǔn)確度。如果加速度測(cè)量不夠準(zhǔn)確 (即相對(duì)位移不夠準(zhǔn)確) ，隨著時(shí)間的推移，位置判定則會(huì)越發(fā)不準(zhǔn)確，這一誤差稱為漂移 (drift) 。無(wú)人機(jī)飛行速度越快，漂移值也越大。因此，對(duì)高速飛行的無(wú)人機(jī)來(lái)說(shuō)，盡管機(jī)身搭載有深度傳感器，計(jì)算不確定度仍然非常重要。

研究人員在測(cè)試過(guò)程中發(fā)現(xiàn)，當(dāng)漂移值達(dá)到25cm/s，不確定度的建模開始發(fā)揮明顯作用。當(dāng)漂移值接近75cm/s，NanoMap做出的運(yùn)動(dòng)規(guī)劃避障成功率超過(guò)97%。而當(dāng)漂移值達(dá)到1m/s，避障成功率為10%——而未計(jì)入不確定度時(shí)，成功率僅有3%。

測(cè)試結(jié)果表明，NanoMap可以支持10m/s的高速飛行。這一方案在提升導(dǎo)航避障系統(tǒng)性能的同時(shí)，又不會(huì)使小型無(wú)人機(jī)的計(jì)算設(shè)備負(fù)擔(dān)過(guò)重。不過(guò)，這一方案依然有一些不足——

CSAIL的科研人員Peter Florence說(shuō)，在需要周圍環(huán)境高清地圖的場(chǎng)景下 (比如災(zāi)難搜救) ，NanoMap可能并非合適的選擇。另外，自動(dòng)駕駛汽車制造商或許也更傾向于使用SLAM，因?yàn)槠嚤旧碓靸r(jià)高昂，導(dǎo)航系統(tǒng)的成本可能并不那么引人注意。即便NanoMap不像超人一樣全能，科學(xué)家們依然希望有一天，它能幫助無(wú)人機(jī)如蒼鷹一般矯健地穿過(guò)茂密的叢林。

安創(chuàng)空間

安創(chuàng)空間（ArmAccelerator）是Arm全球唯一加速器，聚焦于人工智能和物聯(lián)網(wǎng)產(chǎn)業(yè)的創(chuàng)新服務(wù)平臺(tái)。安創(chuàng)一直致力于幫助技術(shù)驅(qū)動(dòng)型創(chuàng)新創(chuàng)業(yè)企業(yè)精準(zhǔn)對(duì)接生態(tài)資源、投資機(jī)構(gòu)、銷售渠道、宣傳渠道，提供一站式深度加速服務(wù)；幫助資本市場(chǎng)對(duì)接最具投資潛力的創(chuàng)新團(tuán)隊(duì)，挖掘早期優(yōu)質(zhì)項(xiàng)目；幫助大企業(yè)尋找所需要的創(chuàng)新型項(xiàng)目，加速項(xiàng)目落地，做真正的創(chuàng)新引擎；幫助國(guó)外先進(jìn)技術(shù)在國(guó)內(nèi)落地，以及國(guó)內(nèi)項(xiàng)目在國(guó)外渠道布局，注重國(guó)際合作與交流，推動(dòng)全球創(chuàng)新。