深入林間:這架無人機能飛向沒有 GPS 信號的地方

作者 Jamie Beckett

多數無人機要是沒了 GPS 就會迷路,但這一架卻不會。

一架由 NVIDIA 研究團隊開發出的無人機,只靠著在 NVIDIA Jetson TX1 嵌入式人工智慧超級電腦上運行的深度學習和電腦視覺技術,便飛向地圖上未標明、渺無人跡的偏遠地點。

起初設計這架低空飛行的自動駕駛無人機的目的,是要循著森林步道來搜救迷路的登山客或找出傾倒的樹林,不過它的服務範圍可不限於森林,在高聳入雲間的峽谷或建築物內部等GPS 信號不佳或收不到 GPS 信號的地方,同樣也能派上用場。

「沒有 GPS 信號仍能使用這架無人機,只要給它一條能認得的路,它就能飛。」NVIDIA 研發團隊技術領導人 Nikolai Smolyanskiy 說。


研究團隊使用現成零件來打造這架無人機,
以降低成本。

沒有 GPS 信號?不用擔心

Smolyanskiy 說目前這只是一項實驗中的技術,不過日後能用於在受損的建築物裡搜尋生還者、檢查隧道裡的鐵軌、對店內貨架進行盤點,或是調整為檢查水下的通訊纜線。

研究團隊已經訓練這架無人機來跟隨鐵軌,以及將系統移植到有輪子的機器人上,以在走廊上來回移動。無人機還能避開人類、寵物或柱子等障礙物。

「我們選擇森林當成試驗的場地,原因在於這或許是最難以導航的地方。我們想要是能使用深度學習在那種環境裡進行飛行,在其它地方就更沒有問題了。」他說。

城市裡的人行道路緣高度、郵箱形狀和人行道寬度通常一致,森林裡卻有著奇形怪狀的物體,林子裡的步道通常沒有標線,陽光從葉間灑落而下,又有著從明亮陽光到陰影間的變化;樹木的高度、寬度、角度參差錯落,還伴有枝椏。

為了壓低成本,研究團隊使用現成的無人機搭配 NVIDIA Jetson TX1 和兩具攝影機,打造他們的裝備。

「我們的整體想法就是使用攝影機來瞭解和導航,Jetson 的運算能力讓我們能在無人機上進行先進的人工智慧作業,這對於在偏遠環境裡操作來說十分重要。」Smolyanskiy 說。

NVIDIA 的隊伍並非首支在無 GPS 信號的情況下進行導航飛行的團隊,不過他們達到自認為是同類機型裡距離最遠、最穩定的飛行表現。他們的全自主駕駛無人機沿著一公里(約是一英里的十分之六)長的步道飛行,避開障礙物且穩定保持在步道中央上空飛行。

隊員 Alexey Kamenev 在推動這件事上扮演著要角。他發展出讓無人機能平順沿著步道飛行的深度學習技術,不會因為突然的動作而晃動,也無需用到訓練深度學習系統時經常所需的海量資料。

在以下的影片裡,研究團隊於華盛頓州雷德蒙德辦公室附近的林子裡,沿著步道操作無人機。綠色區域是機器人決定飛行的地方,紅色則是它拒絕飛行的地方。

無需使用麵包屑

無人機觀看 Smolyanskiy 在太平洋西北地區沿著八英里長的步道所拍攝的影片,學習如何沿著步道飛行。他在一台迷你 Segway 上架設一根金屬橫桿,並且在左、中、右安裝三具廣角 GoPro 攝影機,在不同光線條件上拍攝訓練用的影片。

研究團隊除了自拍訓練影片,還使用位於蘇黎世之瑞士意大利語區高等專業學院 Dalle Molle 人工智慧研究所(IDSIA)的人工智慧研究人員,在瑞士阿爾卑斯山區步道所拍攝的步道影片,來訓練名為「TrailNet」的神經網路。

其實 IDSIA 對於無人機在森林內進行導航飛行的研究,給了 NVIDIA 的自主飛行無人機團隊許多靈感,而另一個靈感來源則是 NVIDIA 的自動駕駛車 BB8

未來發展方向

團隊目前打算為 Jetson TX1 與 Jetson TX2 發展可以下載的軟體,他人就能開發單靠視覺資訊進行導航的機器人。

他們的長期目標是告訴機器人在任何地圖上的兩點間行動(無論是 Google 地圖或建物平面圖),並且在避開障礙物的情況下安全抵達。

如需更多關於這項研究的資訊,請見《Toward Low-Flying Autonomous MAV Trail Navigation using Deep Neural Networks for Environmental Awareness》一文,或是觀看他們在 GPU 科技大會講座裡分享的心得


研究員 Nikolai Smolyanskiy 展示用於拍攝無人機訓練影片教材的設備。