電子發(fā)燒友早八點(diǎn)訊： 一般無(wú)人機(jī)或自駕車(chē)需人類駕駛經(jīng)驗(yàn)以訂出自駕政策，這項(xiàng)研究目的是希望無(wú)人機(jī)能夠從大量的碰撞及正常飛行數(shù)據(jù)中自我學(xué)習(xí)，經(jīng)過(guò)1.15萬(wàn)次碰撞后，無(wú)人機(jī)已能在狹窄及凌亂的室內(nèi)空間飛行并躲避障礙物。

?

科學(xué)家讓無(wú)人機(jī)從不同的飛行方向，搜集大量的碰撞數(shù)據(jù)，讓無(wú)人機(jī)學(xué)會(huì)如何避開(kāi)障礙自己飛行。

卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University，CMU）機(jī)器人學(xué)院的3名科學(xué)家Dhiraj Gandhi、Lerrel Pinto與Abhinav Gupta近日發(fā)表了一篇論文「從碰撞中學(xué)習(xí)飛行」（Learning to Fly by Crashing），描述的是如何讓無(wú)人機(jī)透過(guò)碰撞而非避免碰撞來(lái)學(xué)習(xí)飛行 ，在經(jīng)過(guò)1.15萬(wàn)次的碰撞之后，這款無(wú)人機(jī)的表現(xiàn)勝過(guò)了基于深度預(yù)測(cè)的方法，且在某些環(huán)境中與飛行專家的能力相當(dāng)。

一般而言，自駕車(chē)或無(wú)人機(jī)的訓(xùn)練多半根據(jù)人類駕駛經(jīng)驗(yàn)來(lái)訂定自駕政策，但CMU的研究人員反其道而行，他們讓無(wú)人機(jī)以「自我監(jiān)督」（self-supervised）的全程自我學(xué)習(xí)模式，在40小時(shí)內(nèi)于20種不同的室內(nèi)環(huán)境中自行訓(xùn)練，總計(jì)碰撞了1.15萬(wàn)次，創(chuàng)造了號(hào)稱是迄今最大的無(wú)人機(jī)碰撞數(shù)據(jù)集。 當(dāng)然，他們用來(lái)測(cè)試的無(wú)人機(jī)是以便宜的材質(zhì)打造，以減少碰撞之后的損壞成本，

該無(wú)人機(jī)配備了一個(gè)前方相機(jī)與兩個(gè)側(cè)邊相機(jī)，在碰撞之后會(huì)將飛行良好時(shí)與即將碰撞之際的影像回饋到卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）架構(gòu)，據(jù)此進(jìn)行學(xué)習(xí)，在擁有1.15萬(wàn)次的碰撞經(jīng)驗(yàn)后，無(wú)人機(jī)已可在既狹窄又凌亂的空間中穿越各種障礙物，對(duì)白色墻壁與玻璃門(mén)的辨識(shí)能力也優(yōu)于單眼的深度估計(jì)。

科學(xué)家指出，在訓(xùn)練無(wú)人機(jī)的方法中，若只仰賴少量的專家經(jīng)驗(yàn)可能會(huì)造成「過(guò)適」（overfit）的狀況，若是采用仿真，則仍存在仿真與現(xiàn)實(shí)世界中的感知差異，而市場(chǎng)之所以避免使用大量的真實(shí)數(shù)據(jù)都是因?yàn)閾?dān)心碰撞。

此一數(shù)據(jù)集同時(shí)集結(jié)了負(fù)面（碰撞）與正面的飛行數(shù)據(jù)，以作為無(wú)人機(jī)的導(dǎo)航學(xué)習(xí)材料，除了學(xué)習(xí)效果不錯(cuò)之外，其他科學(xué)家也認(rèn)為若能在不擔(dān)心損壞的情況下讓機(jī)器完全自動(dòng)化地自我學(xué)習(xí)真是太省事不過(guò)了。

聲明：電子發(fā)燒友網(wǎng)轉(zhuǎn)載作品均盡可能注明出處，該作品所有人的一切權(quán)利均不因本站轉(zhuǎn)載而轉(zhuǎn)移。作者如不同意轉(zhuǎn)載，即請(qǐng)通知本站予以刪除或改正。轉(zhuǎn)載的作品可能在標(biāo)題或內(nèi)容上或許有所改動(dòng)。