平穩(wěn)著陸多旋翼無人機很困難,。隨著地面在下降過程中越來越近，每個轉(zhuǎn)子的氣流從地面反彈,，產(chǎn)生復(fù)雜的湍流,。這種湍流不是很好理解，也不容易補償,，特別是對于自主無人機,。這就是為什么起飛和降落通常是無人機飛行中最棘手的部分。無人機通常會搖晃并緩慢地朝向著陸,，直到最后切斷電源,，并且它們將剩余的距離降低到地面。
在 加州理工學院的自主系統(tǒng)和技術(shù)中心 （CAST）,，人工智能專家與控制專家合作開發(fā)了一個系統(tǒng),，該系統(tǒng)使用深度神經(jīng)網(wǎng)絡(luò)幫助自主無人機“學習”如何更安全，更快地著陸,，同時減少吞噬量功率,。
他們創(chuàng)建的系統(tǒng)被稱為“神經(jīng)著陸器”,，它是一種基于學習的控制器，可跟蹤無人機的位置和速度,，并相應(yīng)地修改其著陸軌跡和轉(zhuǎn)子速度,，以實現(xiàn)最平穩(wěn)的著陸。
“這個項目有可能幫助無人機飛行更加平穩(wěn)和安全,，特別是在陣風不可預(yù)測的情況下,，并且隨著無人機可以更快地著陸而消耗更少的電池電量，” 航空航天的Bren教授Soon-Jo Chung說 ,。加州理工學院為NASA管理的JPL工程與應(yīng)用科學系（EAS）和研究科學家,。該項目由Chung和Caltech人工智能（AI）專家 Anima Anandkumar，計算和數(shù)學科學Bren教授以及計算和數(shù)學科學 助理教授Yisong Yue合作完成,。
5月22日,，電氣和電子工程師協(xié)會（IEEE）機器人與自動化國際會議上發(fā)表了一篇描述神經(jīng)著陸器的論文。該論文的共同主要作者是加州理工學院的研究生姜冠亞,，他的博士研究由他們共同監(jiān)督,。 Chung和Yue，以及Xichen Shi和Michael O‘Connell,，他們是Chung航空機器人和控制組的博士生,。
深度神經(jīng)網(wǎng)絡(luò)（DNN）是受大腦等生物系統(tǒng)啟發(fā)的AI系統(tǒng)。名稱的“深層”部分指的是數(shù)據(jù)輸入通過多個層進行攪拌的事實,，每個層以不同的方式處理傳入的信息以梳理出越來越復(fù)雜的細節(jié),。DNN能夠自動學習，這使它們非常適合重復(fù)性任務(wù),。
為了確保無人機在DNN的指導(dǎo)下順利飛行,，該團隊采用了一種稱為光譜歸一化的技術(shù)，該技術(shù)可以平滑神經(jīng)網(wǎng)絡(luò)的輸出,，因此當輸入或條件發(fā)生變化時,，它不會產(chǎn)生大幅變化的預(yù)測。通過檢查3D空間中理想化軌跡的偏差來測量著陸的改進,。進行了三種類型的測試：直線垂直著陸; 下降弧著陸; 和無人機在一個破碎的表面上掠過的飛行 - 例如在桌子邊緣 - 地面湍流的影響會急劇變化,。
新系統(tǒng)將垂直誤差降低100%，允許控制著陸,，并將橫向漂移降低多達90%,。在他們的實驗中，新系統(tǒng)實現(xiàn)了實際著陸,，而不是像地面上的10到15厘米那樣被卡住,，正如未經(jīng)修改的傳統(tǒng)飛行控制器經(jīng)常那樣。此外,，在略讀測試期間,，神經(jīng)著陸器產(chǎn)生了更平滑的過渡,，因為無人機從掠過桌子過渡到超出邊緣的自由空間中飛行。
“由于誤差較小,，神經(jīng)著陸器能夠更快,，更平穩(wěn)地著陸并在地面上平滑滑行，”Yue說,。新系統(tǒng)在CAST三層高的機場進行了測試,，可以模擬幾乎無限的各種戶外風況。 CAST 開放于2018年,，占地10,，000平方英尺，EAS,，JPL和加州理工學院地質(zhì)和行星科學部的研究人員正在聯(lián)合創(chuàng)建下一代自治系統(tǒng),，同時推進無人機研究，自主探測,，和生物啟發(fā)系統(tǒng),。
“這種跨學科的努力帶來了機器學習和控制系統(tǒng)的專家。我們幾乎沒有開始探索這兩個領(lǐng)域之間的豐富聯(lián)系,，“Anandkumar說,。
除了明顯的商業(yè)應(yīng)用之外，Chung和他的同事們已經(jīng)為新系統(tǒng)申請了專利 - 新系統(tǒng)對CAST目前正在開發(fā)的項目至關(guān)重要,，包括 可以在難以到達的地方降落的 自主醫(yī)療運輸（如作為一個堵塞的交通）,。“運送受傷人員時能夠迅速平穩(wěn)降落的重要性不容小覷,，” Morteza Gharib，Hans W. Liepmann航空與生物工程教授教授說道,。CAST主任; 和空中救護項目的主要研究人員之一,。