苏黎世大学的研究人员开发了一种新方法，可以仅使用机载传感和计算，就可在未知的复杂环境中自动驾驶四旋翼飞行器。这种新方法在紧急情况下、建筑工地或安全应用中可能有用。

在探索复杂和未知的环境（例如森林、建筑物或洞穴）时，无人机是难以匹敌的。它们快速、灵活且体积小，几乎可以在任何地方携带传感器和有效载荷。然而，在没有地图的情况下，自主无人机很难在未知环境中找到自己的路。目前，需要专业的人类飞行员来释放无人机的全部潜力。

要掌握自主敏捷飞行，需要在一瞬间了解环境，让无人机沿着无碰撞路径飞行，这对人类和机器来说都非常困难。经过多年的坚持和训练，专业的人类飞行员可以达到这个水平。

AI算法从模拟专家那里学习在现实世界中飞行

在一项新研究中，Scaramuzza 和他的团队训练了一个自主四旋翼飞行器，可以在森林、建筑物、废墟和火车等以前看不见的环境中飞行，保持高达 40 公里/小时的速度，并且不会撞到树木、墙壁或其他障碍物。所有这一切都是依靠四旋翼飞行器的机载相机和计算来实现的。

无人机的神经网络通过观察某种“模拟专家”来学习飞行，这种算法可以让计算机生成的无人机在充满复杂障碍的模拟环境中飞行。在任何时候，该算法都有关于四旋翼飞行器状态和传感器读数的完整信息，并且可以依靠足够的时间和计算能力来始终找到最佳轨迹。

这种“模拟专家”不能在模拟之外使用，但它的数据被用来教神经网络如何仅根据来自传感器的数据来预测最佳轨迹。与现有系统相比，这是一个相当大的优势，现有系统首先使用传感器数据创建环境地图，然后在地图内规划轨迹，这两个步骤需要时间并且无法高速飞行。

经过模拟训练后，该系统在现实世界中进行了测试，它能够在各种环境中以高达 40 公里/小时的速度飞行而不会发生碰撞。

虽然人类需要数年的训练，但人工智能利用高性能模拟器，可以更快地达到类似的导航能力，基本上是在一夜之间，这些模拟器不需要是真实世界的精确复制品。如果使用正确的方法，即使是简单的模拟器也足够了。

即使在恶劣的条件下，无人机也能自主找到方向。

应用不限于四旋翼飞行器，相同的方法可能有助于提高自动驾驶汽车的性能，甚至可以为在难以或不可能收集数据的领域（例如在其他星球上）训练人工智能系统的新方法打开大门。

据研究人员称，下一步将是让无人机从经验中得到改进，并开发更快的传感器，可以在更短的时间内提供更多关于环境的信息，从而使无人机即使以高于40 公里/小时。