科学家让无人机碰撞1.15万次以学习如何避开障碍

eeworld网晚间播报： 一般无人机或自驾车需人类驾驶经验以订出自驾政策，这项研究目的是希望无人机能够从大量的碰撞及正常飞行数据中自我学习，经过1.15万次碰撞后，无人机已能在狭窄及凌乱的室内空间飞行并躲避障碍物。

科学家让无人机从不同的飞行方向，搜集大量的碰撞数据，让无人机学会如何避开障碍自己飞行。

卡内基梅隆大学（Carnegie Mellon University，CMU）机器人学院的3名科学家Dhiraj Gandhi、Lerrel Pinto与Abhinav Gupta近日发表了一篇论文「从碰撞中学习飞行」（Learning to Fly by Crashing），描述的是如何让无人机透过碰撞而非避免碰撞来学习飞行 ，在经过1.15万次的碰撞之后，这款无人机的表现胜过了基于深度预测的方法，且在某些环境中与飞行专家的能力相当。

一般而言，自驾车或无人机的训练多半根据人类驾驶经验来订定自驾政策，但CMU的研究人员反其道而行，他们让无人机以「自我监督」（self-supervised）的全程自我学习模式，在40小时内于20种不同的室内环境中自行训练，总计碰撞了1.15万次，创造了号称是迄今最大的无人机碰撞数据集。 当然，他们用来测试的无人机是以便宜的材质打造，以减少碰撞之后的损坏成本，

该无人机配备了一个前方相机与两个侧边相机，在碰撞之后会将飞行良好时与即将碰撞之际的影像回馈到卷积神经网络（ConvoluTIonal Neural Networks）架构，据此进行学习，在拥有1.15万次的碰撞经验后，无人机已可在既狭窄又凌乱的空间中穿越各种障碍物，对白色墙壁与玻璃门的辨识能力也优于单眼的深度估计。

科学家指出，在训练无人机的方法中，若只仰赖少量的专家经验可能会造成「过适」（overfit）的状况，若是采用仿真，则仍存在仿真与现实世界中的感知差异，而市场之所以避免使用大量的真实数据都是因为担心碰撞。

此一数据集同时集结了负面（碰撞）与正面的飞行数据，以作为无人机的导航学习材料，除了学习效果不错之外，其他科学家也认为若能在不担心损坏的情况下让机器完全自动化地自我学习真是太省事不过了。