陈根：新算法，帮助无人机避障速度加快20%_风闻

文|陈根

近年来无人机市场飞速增长，避障技术作为增加无人机安全飞行的保障，也随着技术的发展日新月异。无人机在飞行过程中，通过其传感器收集周边环境的信息，测量距离从而做出相对应的动作指令，从而达到避障的作用。

当无人机快速飞行时，空气动力学会变得复杂且难以预测，无人机本身也会变得不稳定，导致出现无法有效躲避障碍物的情况。**为此，**麻省理工学院（MIT）的航空工程师们设计了一种算法，其飞过简单的障碍跑道的速度比用传统规划算法训练的无人机快20%。

新算法训练的无人机，可以帮助无人机找到绕过障碍物的最快路线，而不会坠毁。其结合了模拟和实验，能够最小化识别快速和安全飞行路径所需的实验数量。此外，新算法下的无人机并不是在整个过程中都领先于竞争对手。某些情况下，它会让无人机减速以应对复杂的弯道，或者节省无人机的能量**，然后加速并超越对手。**

在过去，为了了解空气动力学如何影响高速飞行中的无人机，研究人员必须进行多次实验，将无人机设置成不同的速度与飞行轨迹，查看哪种飞行模式既快速又安全。但这一过程昂贵且复杂，并且经常发生无人机坠毁事件。

因此，麻省理工学院的研究人员提出了一个多保真（multi-fidelity）Bayesian优化框架，基于解析模拟和真实世界的飞行实验对飞行的可行性进行建模，评估每种飞行可能，优化飞行轨迹和飞行时间，大大降低了所要进行的实验次数。

可以说，新算法下，训练的无人机几乎“赢得”了每一场比赛，也比传统训练的无人机使用了更短的时间飞完全程。或许，这是因为传统训练的无人机没有进行这种微妙的调整，它的轨迹仅仅基于模拟，不能完全解释团队在现实世界中实验揭示的空气动力学效应。

目前，该论文《用时最优的四旋翼飞行器机动性的多保真黑箱优化（Multi-fidelity black-box optimization for time-optimal quadrotor maneuvers）》，发表在《国际机器人研究杂志》The International Journal of Robotics Research上。

未来，研究人员计划进行更多的飞行实验，以更快的速度，通过更复杂的环境，进一步改进算法。