时隔一年 Vijay Kumar 再登 GAIR 讲台，讲述自动化的技术与社会挑战（上） | CCF-

本篇文章5027字，读完约13分钟

2017年7月7日至9日，全球人工智能与机器人峰会ccf-gair会议在深圳成功举行。本次活动由中国计算机学会主办，雷和香港中文大学协办。来自世界各地的30多位顶尖院士和近300家ai明星ai企业齐聚一堂，参加智能技术产业盛会。

在无人驾驶飞行器领域，维贾伊·库马尔被称为“无人驾驶飞行器的大神”。他在多机器人编队控制和协调方面做出了巨大贡献。2016年，维贾伊·库马尔(vijay kumar)在ccf-cair峰会上介绍说，无人驾驶机会正朝着小型(小型)、安全(安全)、智能(智能)、速度(敏捷)和集群(集群)的“5s”趋势发展。一年后，维贾伊·库马尔又去了盖尔平台。今年，维贾伊·库马尔受到了雷锋的邀请。他做了一个主题为“自治的挑战”的演讲，重点是自动化浪潮的技术和社会挑战。维贾伊·库马尔(Vijay kumar)是宾夕法尼亚大学工程学院的院长，美国国家工程学院的院士，美国电气和电子工程师协会的ieee研究员。

以下是维贾伊库马尔的速记演讲全文。雷锋。(公开号码:雷锋。com)在不改变初衷的情况下进行了精编:

无人驾驶飞行器的挑战今天，我的主要内容是在自动化中遇到的挑战，尤其是无人驾驶飞行器的挑战。如今，智能驾驶汽车取得了巨大进步，但无人驾驶汽车无法应对以下无人机的挑战:

无人驾驶飞行器在已知的道路上飞行，而无人驾驶飞行器在3d 空.飞行

无人驾驶飞行器有全球定位系统导航，但无人驾驶飞行器没有，尤其是在室内环境飞行时。

车上有很多传感器，但是在无人机上，如果多放一公斤的负载，能耗会更高，这将带来很大的限制。因此，我们希望降低无人机的能耗，使其更加高效，以便我们能够获得更多的信息和数据。

无人驾驶飞行器需要控制来保持平衡，而安全尤为重要。在汽车里，刹车是安全的。在无人驾驶飞行器上，问题更加复杂。

汽车的环境更简单。我们有不同的模拟，我们可以通过平面波动或墙壁来感知地面，但无人飞行器将更难感知外部环境。

上图显示的是过去五年制造的无人机。可以看出，无人机的体积越来越大，可以装更多的传感器，自动化程度也提高了，这是自然的结果。因为我们都想让它有更高的感知能力，这样可以让飞机更强大，功能更多。

室内外环境安全飞行演示:如何让无人机在室内外安全飞行？它可用于快速反应、救灾和减灾。这可能是一个人类无法到达的危险区域，它可以快速收集一些信息。

这是我们的一个机器人，它可以在没有外部摄像机的情况下在室内飞行。它具有感知功能，例如，图像可以看到传统的反馈机制，我们可以感知周围的环境并采取相应的行动来响应，这可以在我们的控制系统中达到较低的水平。

在更高的层次上，我们可以看到，在系统中，我们可以在更高的层次上建立感知/动作循环，有时它可以在屏幕上看到，有时它可以进入它的计算机。例如，我想从一个地方到另一个地方。如果中间有障碍，我需要避免风险，所以我需要在中间采取不同的行动。

在最高层次上，我们可以建立一个反馈机制并加以控制。这是人和机器相互作用的过程。我们可能无法让计算机在最底层自动与人互动，但在更高的层次，人机可以互动并完成一些工作，所以这是一个感知和行动的反馈回路，这样我们就可以进一步发展和建立更多的感知行动。

最低级别需要实时控制。只有这样，机器人才能可靠地移动，帮助我们完成任务。不仅有它的3d位置，还有它的行进方向和旋转角度。事实上，只有四个转子，有些机器有六个转子。不管有多少转子，我们都必须知道它们的位置和方向，用控制软件实时控制它们，并在控制系统中给它们指令。

当然，我们有不同的飞机。如果我们看一下系统的行进方向、线性度和功率，比如它的垂直速度或平行速度，就会发现它非常复杂。因此，你可以看到两者更复杂。我们需要比较它的运动，它在平面上的运动方向和它的垂直运动方向。

操作从左手边开始，在右手边操作，这是一个更复杂的过程。它可以分成几个不同的部分。它有一个运动的轨迹，在这个运动的轨迹上应该有一个驱动力。我们称之为f。我们看到它的现有位置和它的目的地之间的关系，并移动它。我们需要为它设定一个方向，这个方向将允许机器把自己推向目的地。

当然，我们还需要建立其他维度，比如维度t，这是它将行进的方向。我想让它的角度达到理想状态。我们需要计算和观察目的地的角度，然后让它移动。当我们设计时，我们需要一台计算机来帮助我们做计算。此外，我们看到这个等式可以让无人机去任何我们想去的地方。当然，我们也应该保证它的稳定性和可靠性。例如，无人驾驶飞行器(UAV)在空进行三维运动，这是一个室内实验，但也可以在室外实现。

反馈回路、第一路线规划、位置控制、高度及其3d位置。获得反馈路径后，计算其速度和位置。如果我们没有运动摄像机，我们只能通过无人机上的摄像机来实现这个目标。我们可以分析相应的采集数据，并添加惯性分析，以了解它应该向哪个方向发展。

实际的室外和室内运动。我们的频率是200赫兹。我将向你展示真正的室外和室内运动。这里我们增加了复杂性，因为实际的操作环境通常更复杂。当我们计算它的运动轨迹时，我们也会增加角度u，整个系统是一个四维的角度，如果加上这个角度，就有四维，这样可以尽可能地减少飞机出错的可能性。在高速运动的时候，我们必须依赖刚才提到的所有信息，包括模式和检测维度。如果我们能提供更多的传感器，除了惯性测量单元和全球定位系统之外，我们可能会有更好的性能，包括激光扫描和其他传感器，机器的性能会更高。当然，这是在200hz频率下实现的。

这台机器达到每秒70米的速度。没有全球定位系统，它可以从室外进入房间，立即刹车，它的速度将迅速下降。它可以通过摄像头观察环境的变化，也可以以5米/秒和10米/秒的速度加速。在户外飞行时，可以看到机器明显前倾，当然也没有gps。

当有障碍物时，必须添加另一层。有来自不同传感器的信息，这些信息实际上被组合在一起以构建本地地图。本地地图允许我们自己的机器知道选择哪个飞行管道，因此在选择了飞行轨道之后，它可以帮助我们避开障碍物。但是在这个层次上，我们可以建立一个整体地图。在许多情况下，我们不需要一张整体地图，只需要一张局部地图。导航需要一张本地地图来帮助我们避开障碍物，确保无人机的安全。

如何避免障碍让我们来看看如何避免障碍。在上图中，有无人驾驶飞行器，在室内有许多障碍物。我们使用激光扫描仪来帮助我们更好地理解我们周围的障碍。当我们看这个等式时，我们可以清楚地看到我们在不断地降低成本，包括两种成本:一种是时间成本，我们希望减少时间；第二是尽快达到流畅和灵活。要设置这些参数，您可以获得更快的速度或更流畅的行为。同时，我们将不断优化飞行路线。飞行轨迹优化每1/3秒执行一次，由四个要素决定:

环境中不会有太多的问题，所以我们必须在复杂的环境中找到更好的飞行路线。

正如我刚才所说，控制系统必须足够复杂。

必须有一个相应的受限组织，它只朝一个方向移动，不可能有一个反向循环。事实上，有许多先决条件需要探索，以解决避障过程。

在没有办法看到整体环境的情况下，我们必须想象。在导航过程中，眼睛只能看到20-40米的能见度，因为传感器重量轻，可能看不到20-40米以外的物体。

一开始，我们想建一个空房间。在建造的过程中，作为一个空房间的集合，它不断地变化，我们在左上角形成一个free/きfor整个集合，你可以看到这是一个直线运动，这是一个相对基本的路径讨论。然而，在整个操作过程中有许多要点。它不再是传统的物理空，而是损失空，它可以是六个维度。在这个过程中，我们可以找到一条安全的飞行路线。基于权利，我们的机会是什么？我们可以选择这样的解决方案，快速飞行或平稳飞行，而一系列先决条件必须以非常高的方式最终实现相对平稳的导航解决方案。

复杂性，我们的视野非常有限。例如，如果你站在pk(tk)点，你需要去红色五角星，你的视野只能看到房子的一部分，你需要规划一条飞行路线，你的解决方案是我画的，但是你必须确保你不能看到超出你视野的东西。如果你飞得很快，如果你中间有障碍，你该怎么办？你没有时间停下来，你可能会撞到它。你该怎么办？对我们来说，如何解决有效视觉的问题，飞行速度是每秒20米，你没有办法通过减速和加速有效地停下来，而避开障碍物的反应时间只有20米。如果没有传感器，如果你想获得40米宽的视野，就无法避开障碍物。

在轨迹规划的过程中，我们只规划了一部分轨迹。如果有第二个参数，我们可以进行第二次轨迹操作，这样可以保证在G点的局部停止和飞行安全。有两种努力:

Pk至pk+1。

现场条件确实跟踪整合和生成，并且这种感知和动作后退，以尽可能快的速度飞行。然后系统本身是否停止就可以形成对系统的感知，最后规划下一个飞行路径，这样我们就有了停止的原则。这是我们解决问题的方法。

起初，我们飞得足够快，并使用快速飞行。一旦我们到达终点，我们将意识到视野中的任何障碍，这可以实现快速停车，然后系统将优化下一条路径。这是我们使用的一个非常基本的算法。在没有全球定位系统的情况下，我们可以利用加载的传感器进行二次轨道规划，这样可以保证安全性和完整性。如果有任何解决方案，我们的机器人总是可以使用这些解决方案。最后，优化，事实上，只能称为次优化。在最复杂的约束条件下，我们只能保证飞机的安全性和完整性，但我们将继续尝试最佳解决方案。

在有限的视野中，我们可以看到如何进行轨迹规划，在左边的图中只能看到绿色部分。实际上，该机器人实现了多架无人机的角度切换。在切换过程中，一旦遇到障碍物，它会迅速停下来进行计算，最终找到最佳的飞行路线。无人机的户外活动将会更加复杂。例如，它旁边种了许多树。我们希望达到每秒20米的飞行速度。我们已经实现了动态轨迹生成，这可以帮助我们实现自由空的生成，并确保飞机的安全性和完整性。当在户外飞行时，无人机不知道树在哪里，也没有任何全球定位系统，但是它飞得很快，可以达到每秒5米的速度。

我们正在做的另一个例子是让无人机找到一个物体，并在找到后自动停止。无人飞行器不知道周围的环境。它飞得足够快，可以找到潜在的地址，当它找到对象时就会停下来。在营救过程中，我们应该尽可能快地飞行，找到活着的物体，找到可疑的爆炸物，就找到它们。在操作过程中实现优化操作。在室外环境中，无人机不知道物体被放置在室内。在整个过程中，所有的门都是关闭的。然而，无人机需要找到打开的门才能进入房间，然后找到物体。最后，它会发现对象位于其轨迹中，并且可以避开所有障碍物。

无人机成功进入房间，我们使用了简单的物体监控算法。飞回来后，它记不起它在第一条飞行路线上看到的目标，于是无人机又开始分析，从黑暗的室内环境到明亮的室外环境，再回到室内环境，它终于告诉我们，它找到了橙色标记。它以每秒5米的速度飞行，我们根据障碍物的密度将速度提高到每秒10米。免费的空房间可以达到每秒20米，但是障碍空房间只能达到每秒5米。

上图显示了室内导航过程，而左下角的图片显示了无人机的位置和我们希望它到达的位置。在整个过程中，它会发现一些障碍，如墙壁、沙发和可能的人体。它绕过沙发，看到了我的同事简森。他避开了简森，去了另一个空开放区，遇到了我的另一个同事。他跨过所有的障碍，来到了空开的空房间。最后，

上图显示了无人驾驶飞行器在仓库环境中的使用。例如，它可以看到架子上的所有物品，让人们知道物品放在哪里，放什么样的物品。看起来很简单，但是我们不知道哪里有东西。通常，工人把东西放在周围，然后忘记把它们放在哪里。他们可能知道物品在仓库里，但他们不知道它在哪里。我们用无人机来找到它，所以我们不需要重新组织仓库，只要派一架无人机来知道这个物体在哪里。

此外，我们可以避免物体相互碰撞，如汽车和自行车。无人机能够识别运动物体和静止物体，这一点非常重要，可以实现无人驾驶。

我将向你展示这台机器的另一个功能。我们正在与高通公司合作。这是我们实验室进行的一项实验。最小的无人机是全自动无人机，大约15克，没有操作员，也没有全球定位系统。它仅用于满足从一个地方到另一个地方的最短路径。在第一个视频中，无人机可以从右侧绕过第一个障碍物和第二个障碍物。我们有不同的栏目。我们每隔3米设置一列，让机器以每秒5米的速度绕过这些列。这是一个狭窄的缺口，需要无人机自动通过。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。