解读无人机躲闪术：机器学习战胜击剑高手

　　上个月，一个斯坦福无人机躲避击剑的视频红遍网络，IEEE Spectrum当时希望对其开发者Ross Allen进行采访。Ross说没问题，只是我最近被博士论文答辩忙得焦头烂额。如今Ross已经成功晋升为Allen博士，并为我们解答了各种关于无人机和击剑的问题。

　　如果你之前没看，一定要点击链接，看看这个视频。击剑是不是帅爆了？更帅气的是，这是第一次我们在真正意义上看到了无人机系统在障碍环境中进行“实时动态运动路径规划”。Allen博士与斯坦福自动化系统实验室的同事Marco Pavone最近发表了该项目的论文。Allen博士用非常平白的语言解释了这项听起来很科幻的技术：

　　“我们可以想象一下一个迷宫，类似于你小时候可能玩过的那种，用笔在纸上画的迷宫。走迷宫就是在解决一个基本的路径规划问题：在障碍环境中（迷宫的墙），为一个点进行导航（为你的笔尖），让它到达一个目标点（迷宫的出口）。如果是3D迷宫，那么这个问题就变得更加复杂了。给你举个例子：把钢琴搬入一间拥挤的公寓里，当心不能让钢琴撞到墙或家具给磕碰坏了。你可以事先规划好一条搬运路线，可能其中需要有转弯、打横等变化，最终可以将钢琴搬进房间里。

　　现在，我们再把这个问题搞得更复杂一点。再来想象一下，你现在得开车穿过市区。当然，市区里有房子、汽车和行人。你必须以尽可能最短的路线到达目的地。这比搬运钢琴又多了些限制，因为我没法把汽车打横过来开车，而且我还必须按照车道和交通规则驾驶，例如，不能在大马路上玩漂移。另外，开车的时候如果要停车，我得先踩刹车，车子停下来还得花一定时间。如果转弯的时候开得太快，车子就会失控滑出去。这下你看明白了，穿过障碍环境到达目的地是个需要规划的事情。现在，还有些额外的规矩限制机器人的运动方式。我们将这些规矩称为“动态运动”限制（其中有一些是运动学上的限制，例如转弯；另外一些是动态的限制，例如减速刹车。）当我们面对这种问题的时候，我们就称其为‘动态运动路径规划问题’。

　　我们的研究是要开发一个框架来解决类似这样的问题，可以大大降低操作机器人所需的计算量。我们在一个充满障碍的室内环境里，用一个四翼无人机系统展示了这个框架。可以说，这是第一个无人机系统代表动态运动系统所做的实时规划展示。

　　Ross Allen博士（左）与同事。图片来源：斯坦福大学。

　　在网络上受到广泛关注的视频，其实还没有展示出我们研究的完整形态，不过那个视频让人一眼就看到了技术的可能性。这个视频展示了更多技术能力，无人机想绕过一道墙，但是我又挡住了它的去路。它不停地重新计算路径，最后计算出最佳路径是从墙的另一侧走，然后它就从我这儿飞走了。“

　　这个例子体现了“动态运动路径规划”在无人机上的应用，但是，这项研究其实不只是针对无人机，该技术可以应用在任何你想用的系统上。Allen博士说，船运和物流基础设施等领域也可以从该技术获益：

　　“你可以想象一个自动化运货船，穿过一个繁忙的港口，停泊在自己的位置上，然后有一个自动化吊车，将集装箱安全地卸货至自动化卡车上，用于陆地运输。这个基础设施中的每个步骤都面临不同的路径规划问题（货船需要避开其他船只，吊车吊着大大的集装箱不能与码头上其他集装箱磕碰，卡车得在繁忙的市区道路上驾驶），但是，每一个不同的问题都可以用同一个框架来解决。只要将框架根据具体应用情景进行定制设置（就好像我们针对无人机系统进行了设置）。

“

　　当然，你也可以用于送货无人机和摄像无人机。Allen博士说：“我相信，送货无人机是马上可以进行的应用，这会对消费者的购物行为有很大影响。运货无人机的控制和规划只是众多需要面临的问题之一；其他问题还包括探测和政策。”这都是些大问题。但是在顶尖科研领域内，听见如此乐观的态度还是非常新鲜。

　　Allen博士说，他之后会探索“自动汽车、无人机、火箭等领域的工作机会或者研究职位“。我们猜他会去搞火箭。不过在研究领域也还有很多探索空间，例如，如果将一大堆无人机扔向空中，让它们自己互相配合来规划路线，而不需要动态追踪系统来指挥。

　　最后，IEEE的采访向Allen博士提问说，网络上无数不明真相的群众都有一个问题，为什么这个斯坦福的博士要与无人机击剑决斗，你想不想解释一下：

　　“首先，我不是在打败万恶的终结者机器人。虽然我们在研究中使用机器学习，但是是为了完成些听起来很无趣的日常任务，例如‘可接近性测试’。我们也没有用机器学习来训练机器人战士，搞个无人机搏击俱乐部神马的。如果不是我们给了它更加聪明的算法，我们的机器人没法自己变聪明。换句话说，机器是自动化的，但是还没有学习如何自己变得更加自动化。“

　　这下，你们安心了吧。