電子發(fā)燒友早八點訊： 一般無人機或自駕車需人類駕駛經驗以訂出自駕政策，這項研究目的是希望無人機能夠從大量的碰撞及正常飛行數據中自我學習，經過1.15萬次碰撞后，無人機已能在狹窄及凌亂的室內空間飛行并躲避障礙物。

?

科學家讓無人機從不同的飛行方向，搜集大量的碰撞數據，讓無人機學會如何避開障礙自己飛行。

卡內基梅隆大學（Carnegie Mellon University，CMU）機器人學院的3名科學家Dhiraj Gandhi、Lerrel Pinto與Abhinav Gupta近日發(fā)表了一篇論文「從碰撞中學習飛行」（Learning to Fly by Crashing），描述的是如何讓無人機透過碰撞而非避免碰撞來學習飛行 ，在經過1.15萬次的碰撞之后，這款無人機的表現勝過了基于深度預測的方法，且在某些環(huán)境中與飛行專家的能力相當。

一般而言，自駕車或無人機的訓練多半根據人類駕駛經驗來訂定自駕政策，但CMU的研究人員反其道而行，他們讓無人機以「自我監(jiān)督」（self-supervised）的全程自我學習模式，在40小時內于20種不同的室內環(huán)境中自行訓練，總計碰撞了1.15萬次，創(chuàng)造了號稱是迄今最大的無人機碰撞數據集。 當然，他們用來測試的無人機是以便宜的材質打造，以減少碰撞之后的損壞成本，

該無人機配備了一個前方相機與兩個側邊相機，在碰撞之后會將飛行良好時與即將碰撞之際的影像回饋到卷積神經網絡（Convolutional Neural Networks）架構，據此進行學習，在擁有1.15萬次的碰撞經驗后，無人機已可在既狹窄又凌亂的空間中穿越各種障礙物，對白色墻壁與玻璃門的辨識能力也優(yōu)于單眼的深度估計。

科學家指出，在訓練無人機的方法中，若只仰賴少量的專家經驗可能會造成「過適」（overfit）的狀況，若是采用仿真，則仍存在仿真與現實世界中的感知差異，而市場之所以避免使用大量的真實數據都是因為擔心碰撞。

此一數據集同時集結了負面（碰撞）與正面的飛行數據，以作為無人機的導航學習材料，除了學習效果不錯之外，其他科學家也認為若能在不擔心損壞的情況下讓機器完全自動化地自我學習真是太省事不過了。

聲明：電子發(fā)燒友網轉載作品均盡可能注明出處，該作品所有人的一切權利均不因本站轉載而轉移。作者如不同意轉載，即請通知本站予以刪除或改正。轉載的作品可能在標題或內容上或許有所改動。