AI 利用视觉外观估计无人机距离

由德尔夫特理工大学和威斯特法伦应用科技大学的研究团队开发的一种新的基于光流的学习过程，使机器人能够通过视觉外观估计距离。视觉外观可以包括形状、颜色和纹理等因素。

通过使用这种基于 AI 的学习策略，可以改进小型飞行无人机的导航。

该文章于上个月发表在 Nature Machine Intelligence.

机器人与昆虫

为了使小型飞行机器人具有与大型自动驾驶车辆相同的自主性水平，它们需要展示出与飞行昆虫相同的发达智能，这可以通过高效的 AI 系统来实现。

目前市场上的小型飞行机器人不具备足够的传感器和处理能力，这是该技术面临的最大挑战之一。

在自然界中，昆虫依赖于“光流”，即物体在昆虫视野中的运动。这种光流使它们能够在花朵上降落并避免捕食者。令人惊讶的是，这种光流非常简单，尽管它用于复杂的任务。

Guido de Croon 是生物启发微型空中车辆教授，也是该文章的第一作者。

“我们的光流控制工作是从对飞行昆虫使用的优雅、简单策略的热情开始的，”他说。“然而，开发实际实施这些策略的控制方法在飞行机器人中却远非简单。例如，我们的飞行机器人不会真正降落，而是开始振荡，在着陆表面上下不断移动。”

https://www.youtube.com/watch?v=A50Wl311rmU&feature=emb_title

光流

光流有两个主要限制。首先，它提供了混合的距离和速度信息，并且无法分别提供每个信息。其次，光流在机器人移动方向上的变化很小，这对障碍物避免有影响。换句话说，机器人最难检测它正移动的物体。

“我们意识到，光流的两个问题都会消失，如果机器人能够解释不仅光流，还有环境中物体的视觉外观，”Guido de Croon 说。“这将使机器人能够像人类在静止图像中估计距离一样看到物体的距离。唯一的问题是：机器人如何学习看到距离？”

在研究人员开发的新方法中，机器人依赖于振荡来学习环境中物体的外观如何随距离变化。例如，机器人可以学习草的纹理如何根据高度变化在降落时。

Christophe De Wagter 是德尔夫特理工大学的研究员，也是该文章的共同作者。

“通过视觉外观学习距离使我们的降落变得更快、更平稳，”他说。“此外，机器人现在也可以清晰地看到飞行方向上的障碍物。这不仅提高了障碍物检测性能，还使我们的机器人能够加速。”

这一新发展将对资源有限的飞行机器人产生影响，特别是那些在封闭环境中操作的机器人。