论文部分内容阅读
“嗡嗡”叫的小家伙来自何方
诞生于100年前的无人机，今天迎来了飞速的发展。
无人机在英文里被称为“Unmanned Aerial Vehicle”，即“不载人的飞行器”。根据圣迭戈航空航天博物馆的档案，最早的无人机可以追溯到1917年，那是一架被成功改造为无线电遥控机的美国海军寇蒂斯N-9型教练机。设计者的初衷是让它能够飞到敌方某一目标区上空，将事先装在小飞机上的炸弹投下去。二战中，美国与德国也都尝试过以无人机携带炸药，对特殊目标进行精确度较高的攻击。二次世界大战之后，无人机开始向民用分化。
这样的系统即所谓的“Hydra Fusion”。有一天它将允许无人机使用一种“同步定位并绘制地图”式的导航，从而在不熟悉的区域找到正确的方向。就像某些机器人在地面上做的一样。该系统还能使无人机在空中监测方面做得更好。
Hydra Fusion可以将来自无人机上的摄像机拍摄的图像拼接在一起，在无人机尚在空中时就形成详细的3D地图。目前，无人机可以一直以时速55千米的速度飞行，并在飞行时绘制地图。
以前在利用无人机录像来绘制地图时，需要在飞行后花费数小时来进行处理。其瓶颈在于处理能力。现在研究人员利用GPU（最初是为游戏开发的快速图像处理芯片）的强劲的处理能力克服了这一难题。
在时速60千米的情况下，Hydra Fusion创建的地图分辨率达到了每像素30厘米，这时能够清晰地显示出树木和建筑物。在较慢的飞行速度和较低的飞行高度时，还可以生成更高的分辨率（可达到每像素2.5厘米）。甚至可以显示更微小的细节：画出在铁轨位置上小到6毫米的变化。
超强脑力：搭载强处理器
似乎在各种场合都需要一架合适的无人机：监控农场、观察野生动物、送外卖……现在，得益于无人机“脑力”的提升，一种叫“水鸭（Teal）”的无人机试图做到这一切。
大多数无人机都是为了某个特定的用途而设计的，但现在研究人员正把它做得就像是无人机中的智能手机，甚至可以围绕它建一个应用商店。
“水鸭”由位于美国盐湖城的iDrone公司开发。它是一种能在空中做出决策的无人机。这种决策能力要归功于马萨诸塞州剑桥城的机器人公司（Neurala）开发的以大脑为原型的软件。该公司以前开发过引导空间探测器的技术。他们将该技术应用于无人机。人工神经网络的不同层级处理不同的任务，诸如理解摄像头拍到的影像，或者选定无人机接下来的去向。
“水鸭”作为第一架在自体上搭载了强处理器的无人机，其强大的处理器可以自行运行机器的学习软件，以便它能随时做出决定。这是无人机自主飞行的第一阶段。“水鸭”的三款内置app中，有一款运用了Neurala公司的图像识别技术，该技术可以让你指示无人机追踪某个特定的人。研究团队正在研发新技术，比如更好地回避障碍物、自主导航等。“水鸭”的另两款app提供了飞行控制和竞速比赛的功能。他们希望能在无人机智能方面开发更多功能，如搜救功能、预测无人机何时有坠毁危险并指示无人机采取规避动作的功能。 快速的机群：协同作战
当你可以使用一群无人机的时候，就不要只用一架！让多架无人机协同执行同一项任务，意味着可以在更短的时间内覆盖更大的面积。例如，一个无人机群可以在短短6小时内绘制阿尔卑斯山脉中的马特洪峰的地图。
然而，无人机群的运动是很难掌控的。单独一架无人机可以相对轻松地避开障碍物，但如果还要无人机群保持飞行阵型，那就困难多了。
因此，新加坡的研究人员设计了一种方法，可以使无人机一起飞行，穿过他们能想到的最困难的环境——森林。要让无人机群挑选路线穿越树林，意味着这个机群可以在超出原有极限外的区域内迅速拍摄照片并绘制地图。他们采用的是基于“跟随领头机”的方法。一架领头的无人机被指定了一个GPS目的地，而机群中的其余飞机则保持它们与领头机的相对位置，同时避开障碍物。如果领头的无人机电量过低或者坠毁，那么，机群会自动指定一架新的领头机。
因为树木、树叶或者城市中的建筑物有可能阻挡机群与地面基地的通信，所以，领头无人机会从其队友处收集数据，并定期升高到树冠上方，将图像发送回基地。
研究人员运行电脑模拟程序以测试他们的系统。他们使用电脑模拟8架无人机靠近一棵树，占据合适的位置并对它进行扫描。在模拟程序中，机群到达了目的地并迅速散开，几乎和一架无人机单独到达的速度一样快。如果无人机可以围绕一棵树飞行而不被撞毁，那么，绕过很多树也应该不成问题了。
科学家们正期待着无人机群能早日在一些人们难以到达的地方绘制地图。这些技术的应用肯定会对测量环境的方法有较大的提升。
会学习的智能无人机
能够像动物一样学习和思考的智能无人机，可能预示着无人机应用在快递服务和监控庄稼方面即将兴起。
在你头上“嗡嗡”叫着转圈的无人机可能比你想象的还要聪明。装备拟似大脑（由硬件神经组成的）的小型无人机将很快同其他飞行物一样在天上飞来飞去，自主预见和躲避潜在的危险。该功能将帮助无人机胜任一系列新的工作。
不少像亚马逊、DHL和谷歌这样的大公司正在建设他们自己的无人机群，以便快速投递消费品、快餐食品和药品。然而，为了避免撞机，现行的法规已将无人机飞行范围限制在遥控人的视野范围内。无人机必须要具备自动的“感知与回避”功能，以便有朝一日能自行运送快递。
虽然已经有能根据视频识别物体并实时做出反应的电脑，但它对于小型无人机来说实在是太大，也太耗电了。这意味着无人机不得不依靠短距离探测仪（比如雷达），而它们发出的警告可能不足以避免撞机。
或许模拟动物大脑的工作模式才是出路。人类的大脑不擅长大量数字的处理，但能比数字系统更快地处理复杂的由感官输入的信息。科学家正在利用忆阻器制造一套“感知与回避”系统。忆阻器是一种有记忆功能的电阻器。就像在生物大脑中的突触，忆阻器在电脉冲通过它时发生变化，更重要的是它可以在脉冲结束后“记住”它。
這项功能构成了模拟神经元及其相互连接的学习系统的基础。将一块芯片大小的拟似神经系统连接到无人机的镜头上，通过训练，就可以实现远距离识别飞行器及其他危险的功能。
Bio Inspired公司设计的无人机系统已经能识别诸如云、鸟类、建筑物及输电线电塔等物体，并通过视觉信号判断物体的距离。获得了这样的信息后，无人机规划出一条新的路线以避开险情，并随着威胁的移动不断更新。
自然生物似乎能够很有效率地运用这样的方法，那么无人机是否可以借鉴呢？澳大利亚的生物学家正在研究能让无人机识别蔬菜的人造神经网络。“感知与回避”将使得小型无人机群可以在错综复杂的城市中运送包裹。像一只小鸟或者昆虫，一架搭载神经系统的无人机可以飞往最困难的降落地点——甚至阳台。
如果能够自主识别物体，小型无人机的应用范围就可以得到拓展。其中一种应用的方向就是精准农业。无人机可以监视一座农场，识别出哪些区域的庄稼长势不佳，而且飞到近距离仔细观察，看该区域是否需要灌溉、施肥或者杀虫等。
在工业领域，带神经系统的无人机可以巡视管道、寻找漏点，或者找出输电线路上的漏电位置。
在家里，智能无人机可以擦窗子、取牛奶，或者向你的汽车发送空余停车位的信息，也可以帮你送外卖。
智能无人机甚至可以追踪动物的种群，比如沿着牲畜的区域追踪狼群。智能无人机不仅可以自主飞行，而且可以令人信服地在空中分辨出一只鹿和一只狼的不同之处。动物学家还用无人机追踪蝙蝠。之前，他们只在地面进行监测，而对蝙蝠在高空中的行为知之甚少。现在，无人机能够展现一副蝙蝠如何在空中活动，并且拥有更多细节的图景。
用忆阻器控制无人机并不是唯一的办法。美国国防部下属的国防高等研究计划署（DARPA）与IBM合作开发了TrueNorth神经芯片。这是一种运用数据硬件的模拟神经网络，具有足够多的神经元，其敏捷灵活可以媲美蜜蜂等飞虫。
无人机的技术瓶颈
在无人机应用范围急剧扩张的背景下，当前无人机技术的很多局限也被暴露出来。
动力问题
目前一般的民用小型无人机普遍采用锂电池作为动力源。同智能手机一样，无人机的技术发展也遇上了锂电池蓄电量不足的瓶颈。这个瓶颈已然构成了一块坚不可摧的天花板，死死地限制住了民用无人机的续航时间、飞行距离、有效载荷和智能程度。当前在市面上可以买到的无人机，大多数续航时间不超过20分钟。而即使是最能持续飞行的民用无人机，续航时间也很难超过30分钟。按照“Drones for Dummies”上提供的参数，目前最受欢迎的10款民用无人机中，飞行时间最长的也只有25分钟。达到这个标准的民用无人机有4个型号。它们中飞得最快的Walker QR，其时速可以达到72千米。以此速度计算，它的最远飞行距离也不过30千米左右。而这款无人机的有效载荷只有约200克，也就是说大概只能运送一小碗面条或者一个苹果。要提高载荷，只能牺牲飞行距离等其他性能。
诞生于100年前的无人机，今天迎来了飞速的发展。
无人机在英文里被称为“Unmanned Aerial Vehicle”，即“不载人的飞行器”。根据圣迭戈航空航天博物馆的档案，最早的无人机可以追溯到1917年，那是一架被成功改造为无线电遥控机的美国海军寇蒂斯N-9型教练机。设计者的初衷是让它能够飞到敌方某一目标区上空，将事先装在小飞机上的炸弹投下去。二战中，美国与德国也都尝试过以无人机携带炸药，对特殊目标进行精确度较高的攻击。二次世界大战之后，无人机开始向民用分化。
这样的系统即所谓的“Hydra Fusion”。有一天它将允许无人机使用一种“同步定位并绘制地图”式的导航，从而在不熟悉的区域找到正确的方向。就像某些机器人在地面上做的一样。该系统还能使无人机在空中监测方面做得更好。
Hydra Fusion可以将来自无人机上的摄像机拍摄的图像拼接在一起，在无人机尚在空中时就形成详细的3D地图。目前，无人机可以一直以时速55千米的速度飞行，并在飞行时绘制地图。
以前在利用无人机录像来绘制地图时，需要在飞行后花费数小时来进行处理。其瓶颈在于处理能力。现在研究人员利用GPU（最初是为游戏开发的快速图像处理芯片）的强劲的处理能力克服了这一难题。
在时速60千米的情况下，Hydra Fusion创建的地图分辨率达到了每像素30厘米，这时能够清晰地显示出树木和建筑物。在较慢的飞行速度和较低的飞行高度时，还可以生成更高的分辨率（可达到每像素2.5厘米）。甚至可以显示更微小的细节：画出在铁轨位置上小到6毫米的变化。
超强脑力：搭载强处理器
似乎在各种场合都需要一架合适的无人机：监控农场、观察野生动物、送外卖……现在，得益于无人机“脑力”的提升，一种叫“水鸭（Teal）”的无人机试图做到这一切。
大多数无人机都是为了某个特定的用途而设计的，但现在研究人员正把它做得就像是无人机中的智能手机，甚至可以围绕它建一个应用商店。
“水鸭”由位于美国盐湖城的iDrone公司开发。它是一种能在空中做出决策的无人机。这种决策能力要归功于马萨诸塞州剑桥城的机器人公司（Neurala）开发的以大脑为原型的软件。该公司以前开发过引导空间探测器的技术。他们将该技术应用于无人机。人工神经网络的不同层级处理不同的任务，诸如理解摄像头拍到的影像，或者选定无人机接下来的去向。
“水鸭”作为第一架在自体上搭载了强处理器的无人机，其强大的处理器可以自行运行机器的学习软件，以便它能随时做出决定。这是无人机自主飞行的第一阶段。“水鸭”的三款内置app中，有一款运用了Neurala公司的图像识别技术，该技术可以让你指示无人机追踪某个特定的人。研究团队正在研发新技术，比如更好地回避障碍物、自主导航等。“水鸭”的另两款app提供了飞行控制和竞速比赛的功能。他们希望能在无人机智能方面开发更多功能，如搜救功能、预测无人机何时有坠毁危险并指示无人机采取规避动作的功能。 快速的机群：协同作战
当你可以使用一群无人机的时候，就不要只用一架！让多架无人机协同执行同一项任务，意味着可以在更短的时间内覆盖更大的面积。例如，一个无人机群可以在短短6小时内绘制阿尔卑斯山脉中的马特洪峰的地图。
然而，无人机群的运动是很难掌控的。单独一架无人机可以相对轻松地避开障碍物，但如果还要无人机群保持飞行阵型，那就困难多了。
因此，新加坡的研究人员设计了一种方法，可以使无人机一起飞行，穿过他们能想到的最困难的环境——森林。要让无人机群挑选路线穿越树林，意味着这个机群可以在超出原有极限外的区域内迅速拍摄照片并绘制地图。他们采用的是基于“跟随领头机”的方法。一架领头的无人机被指定了一个GPS目的地，而机群中的其余飞机则保持它们与领头机的相对位置，同时避开障碍物。如果领头的无人机电量过低或者坠毁，那么，机群会自动指定一架新的领头机。
因为树木、树叶或者城市中的建筑物有可能阻挡机群与地面基地的通信，所以，领头无人机会从其队友处收集数据，并定期升高到树冠上方，将图像发送回基地。
研究人员运行电脑模拟程序以测试他们的系统。他们使用电脑模拟8架无人机靠近一棵树，占据合适的位置并对它进行扫描。在模拟程序中，机群到达了目的地并迅速散开，几乎和一架无人机单独到达的速度一样快。如果无人机可以围绕一棵树飞行而不被撞毁，那么，绕过很多树也应该不成问题了。
科学家们正期待着无人机群能早日在一些人们难以到达的地方绘制地图。这些技术的应用肯定会对测量环境的方法有较大的提升。
会学习的智能无人机
能够像动物一样学习和思考的智能无人机，可能预示着无人机应用在快递服务和监控庄稼方面即将兴起。
在你头上“嗡嗡”叫着转圈的无人机可能比你想象的还要聪明。装备拟似大脑（由硬件神经组成的）的小型无人机将很快同其他飞行物一样在天上飞来飞去，自主预见和躲避潜在的危险。该功能将帮助无人机胜任一系列新的工作。
不少像亚马逊、DHL和谷歌这样的大公司正在建设他们自己的无人机群，以便快速投递消费品、快餐食品和药品。然而，为了避免撞机，现行的法规已将无人机飞行范围限制在遥控人的视野范围内。无人机必须要具备自动的“感知与回避”功能，以便有朝一日能自行运送快递。
虽然已经有能根据视频识别物体并实时做出反应的电脑，但它对于小型无人机来说实在是太大，也太耗电了。这意味着无人机不得不依靠短距离探测仪（比如雷达），而它们发出的警告可能不足以避免撞机。
或许模拟动物大脑的工作模式才是出路。人类的大脑不擅长大量数字的处理，但能比数字系统更快地处理复杂的由感官输入的信息。科学家正在利用忆阻器制造一套“感知与回避”系统。忆阻器是一种有记忆功能的电阻器。就像在生物大脑中的突触，忆阻器在电脉冲通过它时发生变化，更重要的是它可以在脉冲结束后“记住”它。
這项功能构成了模拟神经元及其相互连接的学习系统的基础。将一块芯片大小的拟似神经系统连接到无人机的镜头上，通过训练，就可以实现远距离识别飞行器及其他危险的功能。
Bio Inspired公司设计的无人机系统已经能识别诸如云、鸟类、建筑物及输电线电塔等物体，并通过视觉信号判断物体的距离。获得了这样的信息后，无人机规划出一条新的路线以避开险情，并随着威胁的移动不断更新。
自然生物似乎能够很有效率地运用这样的方法，那么无人机是否可以借鉴呢？澳大利亚的生物学家正在研究能让无人机识别蔬菜的人造神经网络。“感知与回避”将使得小型无人机群可以在错综复杂的城市中运送包裹。像一只小鸟或者昆虫，一架搭载神经系统的无人机可以飞往最困难的降落地点——甚至阳台。
如果能够自主识别物体，小型无人机的应用范围就可以得到拓展。其中一种应用的方向就是精准农业。无人机可以监视一座农场，识别出哪些区域的庄稼长势不佳，而且飞到近距离仔细观察，看该区域是否需要灌溉、施肥或者杀虫等。
在工业领域，带神经系统的无人机可以巡视管道、寻找漏点，或者找出输电线路上的漏电位置。
在家里，智能无人机可以擦窗子、取牛奶，或者向你的汽车发送空余停车位的信息，也可以帮你送外卖。
智能无人机甚至可以追踪动物的种群，比如沿着牲畜的区域追踪狼群。智能无人机不仅可以自主飞行，而且可以令人信服地在空中分辨出一只鹿和一只狼的不同之处。动物学家还用无人机追踪蝙蝠。之前，他们只在地面进行监测，而对蝙蝠在高空中的行为知之甚少。现在，无人机能够展现一副蝙蝠如何在空中活动，并且拥有更多细节的图景。
用忆阻器控制无人机并不是唯一的办法。美国国防部下属的国防高等研究计划署（DARPA）与IBM合作开发了TrueNorth神经芯片。这是一种运用数据硬件的模拟神经网络，具有足够多的神经元，其敏捷灵活可以媲美蜜蜂等飞虫。
无人机的技术瓶颈
在无人机应用范围急剧扩张的背景下，当前无人机技术的很多局限也被暴露出来。
动力问题
目前一般的民用小型无人机普遍采用锂电池作为动力源。同智能手机一样，无人机的技术发展也遇上了锂电池蓄电量不足的瓶颈。这个瓶颈已然构成了一块坚不可摧的天花板，死死地限制住了民用无人机的续航时间、飞行距离、有效载荷和智能程度。当前在市面上可以买到的无人机，大多数续航时间不超过20分钟。而即使是最能持续飞行的民用无人机，续航时间也很难超过30分钟。按照“Drones for Dummies”上提供的参数，目前最受欢迎的10款民用无人机中，飞行时间最长的也只有25分钟。达到这个标准的民用无人机有4个型号。它们中飞得最快的Walker QR，其时速可以达到72千米。以此速度计算，它的最远飞行距离也不过30千米左右。而这款无人机的有效载荷只有约200克，也就是说大概只能运送一小碗面条或者一个苹果。要提高载荷，只能牺牲飞行距离等其他性能。