浙大科研團(tuán)隊，無人機(jī)集群領(lǐng)域?qū)崿F(xiàn)重大突破

作者 | 陳晨

編輯 | 鄭玄

十架無人機(jī)在密集的竹林里穿梭。

如同組織有序的蜂群，無人機(jī)群有條不紊，越過崎嶇起伏的地面、穿過傾倒交錯的竹子間狹窄的空隙，伴隨著「嗡嗡」聲，它們軌跡平滑地從一個間隙連接到另一個間隙，一個個藍(lán)色的身影穿過碧綠的竹林，最終整齊地懸停在竹林外。

它們不是《安德的游戲》中抵御外星人攻擊的無人機(jī)艦隊，也不是《銀翼殺手 2049》里在摩天大樓間參與空中交通的一員，它們沒有武器，也還沒有領(lǐng)到搜救或運輸?shù)娜蝿?wù)，但是卻出現(xiàn)在現(xiàn)實世界中，就在湖州安吉的一片竹林里。

十架無人機(jī)穿越竹林

5 月 5 日這天，浙江大學(xué)的周鑫等人于《科學(xué)·機(jī)器人》期刊發(fā)表最新研究成果，經(jīng)過兩年多的研究，科研團(tuán)隊解決了未知復(fù)雜環(huán)境下，機(jī)器人單機(jī)與群體的智能導(dǎo)航與快速避障方法等一系列核心技術(shù)難題，成功研發(fā)出自主導(dǎo)航的集群飛行系統(tǒng)。

這無疑是項「卓越」的成就。瑞士洛桑聯(lián)邦理工學(xué)院智能系統(tǒng)實驗室的 Enrica Soria 在《科學(xué)機(jī)器人》雜志上評論這項研究時說：「這項工作為機(jī)器人領(lǐng)域作出了重大貢獻(xiàn)，也朝著無人機(jī)群在實驗室有限環(huán)境之外的應(yīng)用方面邁出了重要一步。這樣一來，無人機(jī)群不僅能在森林中探索，也能在人造環(huán)境、如由人類和建筑物組成的城市區(qū)域執(zhí)行一系列重要任務(wù)?！?/p>

在通向想象中那個「未來」的路上，人類的腳步又加快了一點。

01、從單體智能向群體智能

智能是無人機(jī)起飛的「基石」，而從單體智能向群體智能發(fā)展，則是近年來的大趨勢。

賓西法尼亞大學(xué)的實驗室里，Vijay Kumar 和他的團(tuán)隊受到蜜蜂的啟發(fā)，在機(jī)器人上搭載機(jī)載傳感器、攝像頭和激光掃描儀，借以掃描分析環(huán)境中的特征信息，形成地圖，讓機(jī)器人以無碰撞的方式實現(xiàn)導(dǎo)航。

到了 2017、2018 年，無人機(jī)自主導(dǎo)航實現(xiàn)了從室內(nèi)到室外的躍遷。從農(nóng)場到樹林，無人機(jī)完成了對目標(biāo)的追蹤、搜索，及自主航線規(guī)劃。

這些年里，單體無人機(jī)自主導(dǎo)航在工業(yè)和學(xué)術(shù)實踐中得到了快速的發(fā)展，但截至目前，空中集群系統(tǒng)的「智能化」還處于初級階段。能夠支持大規(guī)模成熟應(yīng)用的無人機(jī)空中集群，如無人機(jī)燈光秀，仍然是在全球?qū)Ш叫l(wèi)星系統(tǒng)定位下，遵循預(yù)先編程的軌跡完成表演。

無人機(jī)編隊表演

無人機(jī)領(lǐng)域的「智能集群」其實基于生物集群行為。

1959 年法國生物學(xué)家 PierrePaul Grasse 發(fā)現(xiàn)昆蟲之間存在高度結(jié)構(gòu)化組織，能夠完成遠(yuǎn)遠(yuǎn)超出個體能力的復(fù)雜任務(wù)。一些智能集群算法也在后續(xù)對昆蟲間智能集群行為的探索中逐漸涌現(xiàn)出來，比如 20 世紀(jì) 90 年由意大利學(xué)者 Dorigo、Maniezzo 等人提出，應(yīng)用于組合優(yōu)化問題的蟻群算法。

據(jù)周鑫等人在文章中介紹，無人機(jī)領(lǐng)域現(xiàn)在有兩種主流的導(dǎo)航方法：一種模仿昆蟲，一種模仿鳥類。

「昆蟲」長于短時反應(yīng)，在計算和內(nèi)存占用上更為高效，能夠讓無人機(jī)更為輕巧；「鳥類」鳥類更喜歡相對長期的平穩(wěn)動作，更可能得出最佳路徑也更為靈活。

現(xiàn)有的一些無人機(jī)智能集群方案大都使用了這兩種方法，比如一些研究者嘗試使用簡單的反應(yīng)規(guī)則，讓飛行機(jī)器人根據(jù)其他機(jī)器狀態(tài)實時調(diào)整其運動。這種方式的弊端也很明顯——缺乏對最佳性的考慮，容易導(dǎo)致飛行器行動不連貫，需要更大的安全距離。有些實現(xiàn)了對鳥類行為的模擬，但操作各個個體又顯得尤為困難。

更多的優(yōu)化方案不斷地被提出，如 McGuire 等人提出了一種反應(yīng)性群體梯度錯誤算法，使用光流定位和激光測距傳感器進(jìn)行障礙物檢測，并將所有傳感、決策、控制的功能部件集成到 30g 之內(nèi)。周鑫他們團(tuán)隊也曾提出了 EGO-Swarm，一種部署在森林中的空中集群全棧導(dǎo)航解決方案。

擺在這些研究者面前的問題都是相同的：如何在各種規(guī)劃路徑中得到最優(yōu)解？如何提高方案的可擴(kuò)展性，兼容更多任務(wù)及目標(biāo)？如何實現(xiàn)更「經(jīng)濟(jì)」的計算，為其他任務(wù)保留盡可能多的可用資源？如何實現(xiàn)更小的體積與重量，以提高飛行時間、適用復(fù)雜及狹窄的地形？

困擾他們的還不僅僅是單個問題的解決，這四個目標(biāo)往往就是互相矛盾的，比如最優(yōu)解依賴復(fù)雜的建模與不同方案的迭代試驗，而這樣會增加計算成本；提高可拓展性意味著以更通用的方式來定義問題，而這又犧牲了對潛在特殊問題的優(yōu)化，可能與最優(yōu)解失之交臂。在這種情況下，如何實現(xiàn)全局的優(yōu)化顯得尤為困難。

在研究了各種方案后，周鑫等人將軌跡規(guī)劃定義為重點問題，因為「它不僅改變軌跡的形狀（是否平滑），而且能調(diào)整時間曲線，以充分利用可解的方案，最大化無人機(jī)的能力?！?/p>

在昆蟲與鳥中，他們選擇了后者，他們將鳥類這種長于軌跡規(guī)劃的能力，歸因于鳥類相比于昆蟲更敏銳的視覺和運動感，更高自由度的運動系統(tǒng)，和更多的大腦容量。

02、向鳥類學(xué)習(xí)，造多個「智慧大腦」

「巧合卻又合理的是，我們提出的解決系統(tǒng)十分類似于鳥：能夠在能夠在森林中自由飛行，同時避開障礙物和其他移動的生物?！?/p>

他們團(tuán)隊也為無人機(jī)造了一個「智慧大腦」，盡管處理器只有拇指大小，卻能獨立計算處理飛行過程中的海量信息。

鳥類為了避免碰撞，會同時調(diào)整路徑和速度，這種時空軌跡聯(lián)合優(yōu)化的方法，也被他們用在了智能集群的解決方案里，它的優(yōu)勢也在他們的實地實驗中得以展現(xiàn)。

在無人機(jī)穿越竹林的實驗中，無人機(jī)時常需要穿過狹窄的間隙，而在左右也有無人機(jī)的情況下，一般方法是調(diào)整機(jī)體的高度避免碰撞。調(diào)整高度除了會浪費資源外，還會遇到下沖干擾，而他們方案是：調(diào)整時間配置文件，允許多架無人機(jī)僅改變必要的速度，然后依次通過間隙。

這種時空軌跡聯(lián)合優(yōu)化的難點在于：空間和時間參數(shù)共同確認(rèn)軌跡，但二者是高度耦合的，這也導(dǎo)致需要大量的時間來計算，才能確認(rèn)最優(yōu)軌跡。他們給出的解決方法是將目標(biāo)函數(shù)計算中的時空參數(shù)解耦，實現(xiàn)優(yōu)化變量與表示軌跡的中間變量之間的線性復(fù)雜度映射，從而實現(xiàn)實時時空優(yōu)化。

在這套軌跡規(guī)劃的框架下，他們還將所有目標(biāo)和約束條件轉(zhuǎn)換為加權(quán)懲罰，通過「加權(quán)」的方式實現(xiàn)對不同目標(biāo)及約束條件重要性的排序，用戶可以預(yù)先添加特定于任務(wù)的目標(biāo)及約束條件。

他們將這套方案與兩個已知的最為先進(jìn)的規(guī)劃方案進(jìn)行了基準(zhǔn)比較，一個是 MADER，一個是他們自己之前提出的方案 EGO-Swarm。

在測試場景中，無人機(jī)需要以 2 m / s 的速度飛越狹窄的大門和分布眾多障礙物的區(qū)域。MADER 和 EGO-Swarm 都因為避免碰撞，出現(xiàn)了無人機(jī)等待或繞道的情況，而他們現(xiàn)有的方案卻通過調(diào)整不同無人機(jī)的時間軌道，在避免碰撞的前提下，讓無人機(jī)以最為平滑的方式通過，這種機(jī)體的較小變動則進(jìn)一步保證了安全。

三種方案中，無人機(jī)通過窄門及障礙物區(qū)域的軌跡圖

鳥群編隊前行的方式同樣給了他們靈感。

他們其中的一個實驗是野外編隊導(dǎo)航，要求十架無人機(jī)保持方形編隊在樹林中飛行。鳥類提供了一個「非常識」的經(jīng)驗，即編隊飛行中，不能有預(yù)先設(shè)定的形狀。

從他們的實驗中可以看到，編隊通過矮叢和障礙物時并不總是保持規(guī)整的方形，有時無人機(jī)必須偏離前面的障礙物，然后再加快速度趕上編隊。

正在測試中的無人機(jī)群

而且當(dāng)無人機(jī)避開樹木時，平均速度會自動下降，當(dāng)它們完全回到開闊空間時，平均速度會增加。一些個體的速度變化在沒有預(yù)編程的情況下，傳播到了整個編隊。

他們還在每架無人機(jī)上獨立運行著視覺慣性里程計測距（Visual Inertial Odometry），以進(jìn)行空中群體定位，并開發(fā)了一種分散的漂移校正算法以最小化誤差，以避免碰撞。與之對應(yīng)，鳥類在短程導(dǎo)航中主要依靠眼睛及前庭系統(tǒng)。

單體與群體智能的協(xié)調(diào)還體現(xiàn)在很多方面，比如每架無人機(jī)都配備了完整的感知、定位、規(guī)劃和控制功能，并通過一個高保真無線通信的廣播網(wǎng)絡(luò)共享軌跡，高速計算用于快速規(guī)劃，以此實現(xiàn)松散耦合，提高整體運行的穩(wěn)定性。

03、一個「游樂場」，一方「試驗田」

周鑫他們團(tuán)隊在四種場景中完成了測試，除了上述介紹的飛越茂密竹林、野外編隊導(dǎo)航之外，還有高密度場景下的相互回避測試，在目標(biāo)遮擋場景下的多無人機(jī)跟蹤。

在相互回避測試中，10 架無人機(jī)進(jìn)入到一個 3 米的圓圈范圍內(nèi)。在抵達(dá)目標(biāo)后，無人機(jī)會被隨機(jī)分配圓圈內(nèi)的其他目標(biāo)，如此往復(fù)。

實驗過程中，除了原先的樹木和三腳架外，實驗人員會模擬真實場景，逐漸放置各種障礙物模擬新建筑，自己也會作為障礙物穿行于該區(qū)域，人為干擾和移動場上正在飛行的無人機(jī)。除此之外，還關(guān)閉了所有的地面定位錨點，以此模仿全局定位的損失。

高密度場景下的相互回避測試

實驗的結(jié)果是可喜的。無人機(jī)達(dá)到的總目標(biāo)的數(shù)量隨著時間的流逝而線性增加，他們將這歸功于軌跡規(guī)劃達(dá)到的局部最優(yōu)解?！冈诓煌系K物密度下實現(xiàn)了近乎恒定的傳輸速率?！?/p>

載人低空交通還未至，但無人機(jī)物流配送卻不遠(yuǎn)。國內(nèi)外，美團(tuán)、順豐、亞馬遜、谷歌等一眾參與者都加入了無人機(jī)物流的行列，城市則是越來越重要的物流配送場景。

無人機(jī)在狹小空間里方向隨機(jī)地飛行，并躲避障礙物及其他無人機(jī)，這一設(shè)置還原了摩天大樓林立的城市空間里，空中交通密集繁榮的場景。這項測試的結(jié)果，則給了無人機(jī)系統(tǒng)能否實現(xiàn)「安全」、「高效」、「單獨導(dǎo)航」三項基本要求這個問題，一個積極、正面的答案。

飛躍竹林任務(wù)同樣如此。無人機(jī)群能在雜亂的野外實現(xiàn)自主導(dǎo)航，人造環(huán)境中的導(dǎo)航能力也得到了側(cè)面的印證。而且，在更多復(fù)雜的場景中，如災(zāi)難現(xiàn)場，也可能因為無人機(jī)的進(jìn)入提高難時搜救能力。

在另一項多無人機(jī)跟蹤測試中，人類參與者在樹林中移動，四架無人機(jī)從前后左右四個方向?qū)θ祟悈⑴c者進(jìn)行追蹤。

無人機(jī)除了避開障礙物并趕上人類參與者外，還配備了額外的 RGB 攝像頭。這個攝像頭的重要任務(wù)當(dāng)然不僅僅是拍攝視頻，它更是作為具有代表性的「高數(shù)據(jù)負(fù)載」硬件，完成視頻壓縮、數(shù)據(jù)存儲、對象檢測的任務(wù)，來驗證平臺在高計算成本任務(wù)下的可擴(kuò)展性。

這也意味著，更多的軟件和功能也可以被添加到無人機(jī)群上。

周鑫團(tuán)隊最后做了一件事，他們將系統(tǒng)內(nèi)所有的代碼都公開在了文章的補充材料里。他們也發(fā)布了加速空中集群研究所需的軟件和硬件，其他開發(fā)人員可以部署這些軟件和硬件，并在模擬和現(xiàn)場環(huán)境中驗證他們的算法。

這些被分享的數(shù)據(jù)資料被命名為「swarm 游樂場」。游樂場里，更多更富挑戰(zhàn)性的任務(wù)正在被模擬驗證著。

*頭圖來源：視覺中國

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信 geekparkGO

關(guān)鍵詞： 浙大科研團(tuán)隊 無人機(jī)集群領(lǐng)域?qū)崿F(xiàn)重大突破