AI 使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野中物体的视觉外观来估计距离。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，它们需要表现出与飞行昆虫相同的发展智能水平，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必要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，这种光流尽管用于复杂任务，但却很简单。

Guido de Croon 是生物启发微型空中车辆教授和文章的第一作者。

“我们对光流控制的工作始于对飞行昆虫使用的优雅、简单策略的热情，”他说。“然而，开发用于在飞行机器人中实现这些策略的控制方法却远非琐事。例如，我们的飞行机器人不会真正降落，而是开始在降落表面上下振荡。”

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，光流在机器人移动的方向上非常小，这对障碍物避免有影响。换句话说，机器人最难以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，如果机器人不仅可以解释光流，还可以解释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态图像中估计距离一样看到场景中的距离。唯一的问题是：机器人如何学习看到这样的距离？”

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根据距离变化。例如，飞行器可以学习草的纹理在降落时如何根据高度变化。

Christophe De Wagter 是德尔夫特理工大学的研究员和文章的共同作者。

“通过视觉外观学习距离导致了比我们之前实现的更快、更平滑的降落，”他说。“此外，为了避免障碍，机器人现在也可以清晰地看到飞行方向上的障碍。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，特别适用于在封闭环境中运行的机器人。