研究人员使用交叉模态模拟数据训练无人机

为了自主飞行，无人机需要了解它们在环境中的感知并根据该信息做出决策。卡内基梅隆大学研究人员开发的一种新颖方法使无人机可以分别学习知觉和动作。两阶段方法克服了“模拟与现实之间的差距”，并创建了一种将完全在模拟数据上训练的无人机安全地部署到实际课程导航中的方法。

计算机科学学院机器人学院的博士生罗杰里奥·博纳蒂（Rogerio Bonatti）说：“通常，即使是在最好的逼真模拟数据上训练的无人机，在现实世界中也会失败，因为光线，颜色和纹理仍然太不同而无法转换。” “我们的感知模块通过两种方式进行训练，以提高其对环境变化的抵抗力。”

第一种方式，可以帮助训练无人机的看法是形象。研究人员使用照片般逼真的模拟器创建了一个环境，其中包括无人机，足球场和从地面举起并随机放置以创建轨道的红色正方形门。然后，他们从成千上万个随机生成的无人机和登机口构造中建立了一个庞大的模拟图像数据集。

感知所需的第二种方式是知道门在空间中的位置和方向，研究人员使用模拟图像数据集完成了这些操作。

使用多种模式教授模型可以强化对无人机体验的可靠表述，这意味着它可以通过从模拟到现实的转换方式来理解领域和大门的本质。将图像压缩为较少的像素有助于此过程。从低维表示中学习可以使模型查看现实世界中的视觉噪声并识别门。

了解到感知后，研究人员可以在模拟中部署无人机，以便它可以了解其控制策略或如何进行物理移动。在这种情况下，它将学习在导航路线并遇到每个闸门时要应用的速度。因为它是一个模拟环境，所以程序可以在部署之前计算出无人机的最佳轨迹。与实际使用专家操作进行监督学习相比，此方法具有优势，因为现实世界中的学习可能很危险，耗时且昂贵。

无人机通过研究人员指示的培训步骤来学习导航课程。博纳蒂说，他挑战无人机在现实世界中所需的具体敏捷性和方向。“我使无人机以不同的轨迹形状向左和向右旋转，这会随着我增加更多的噪音而变得越来越困难。机器人并没有学会通过任何特定的轨迹来重新创建。相反，通过策略性地指导模拟无人机，学习自主运动的所有元素和类型，”博纳蒂说。

稿源：TechTMT.Com  图片来源：卡内基梅隆大学