|
|
|
1%的困难 与所有的自主机器人一样，无人机必须承担三项基本任务。首先要清楚自身位置，其次要确定出下一个目的地，最后准确无误地控制无人机到达终点。 在理想状况下，无人机从一个地方飞到另一个地方并不困难。一些爱好者的自制无人机可以实现设置航点进行飞行，另一些可以跟随地面的指示信号飞行。在这种意义上来讲，它们称为自动驾驶仪更为合适，仅仅需要控制轴承、高度和速度，有点像汽车的巡航控制。从巡航控制到自动驾驶汽车是一步巨大的跳跃，从自动驾驶仪到自动驾驶飞机亦是如此。 困难的地方在于，如何使无人机正确应对空中不可避免的突发情景和各种“极端状况”。总起来讲就是使它们具有应对复杂环境的能力，并将这种能力发展成为一种可靠的技术。从Google在无人驾驶汽车方面的努力可以看出，建立一个软件，使其可以操纵汽车在高速公路甚至盘山公路驰骋，并应对99%的可能事件，这并不是一件难事。 而剩下的1%呢？发掘并学习如何应对所有可能出现的极端状况，并设计提供一系列当实际情况，超出机器人可操控范围时其可采取的安全程序，这才是这项长期发展项目的核心。 在自动驾驶汽车方面，Google创建了一个大规模数据库，囊括需要驾驶员亲自操纵汽车的所有情况。他们模拟人类无法介入的各种状况，并对软件进行各种改变和尝试，教给这个系统如何应对。每次修正系统的逻辑之后，Google都要对整个数据库的改变进行测试，确保其不会被新的修复打乱。
Project Wing在数据库与人类操纵者方面亦可能采用同样的方法。但不同的是，取代于过去一车一驾驶员的情况，Teller设想这样一种情况：相对较少的驾驶员操控一定数量的无人机，帮助它们在困难情况下做出决策。 “假如一辆自动驾驶飞机正在降落，但当它下降三英尺之后卡住了，它应该返回？还是降落？没有唯一正确的答案”，Teller说，“这时它就应该向控制软件求救，并请求指令。” Google的许多著名计算驱动项目，比如Google地图，雇用数千人监督并更正自动系统。Google运用人类智慧作为触媒，这已经是其公开的秘密。对剩余的百分之一甚至百分之0.1或者0.01，Google应相对廉价的人类脑力解决问题。随着时间推移，人在工作中教与机器如何应对各种情况。“当人告诉机器人‘这件事应该这么做’，我们就可以将这种做法记录系统中。” 而在另一个人们望尘莫及的领域中，探测-躲避软件的发展可以帮助无人机应对飞行中遇到的飞鸟、无人机、直升飞机等。有些可以通过空中规范解决，这需要安装应答机和其他信号发射接收装置。但这不是一个完美的解决方案，就像Teller所说，鸟可不会携带探测装置。Roy表示要开发一个成熟、可靠的探测-躲避系统，还有很长的路要走。 设想下这个系统的难度：摄像头、雷达或者激光指向飞行器飞行的方向，而背景可能是天空或者地球，环境本身很嘈杂。唯一的信号是，飞行器可能处于即将与一个远方物体碰撞的轨道上，这个物体从摄像头上看只有几个像素。通过仅有的数据，软件要破解这个物体的类型并预测它的动态。在截然不同的照明和能见度情况下，这个过程要持续不断地进行。
在无人驾驶汽车方面，Google也必须为汽车、行人和骑车人建立类似模型。此外，收集有关司机如何操作的大量的数据也相对比较容易。Google所要做的就是一直开一直开，收集更多的数据到模型中，看看路上的车都是怎么行驶的。 但天空是巨大的，与之相比这些飞行器简直微不足道。而且天空不像道路交通那么拥挤，飞行物体可以向各个方向移动。Roy的团队发现即使有意遥控飞机相互飞近时，也很难触发探测-躲避系统。所以，自动驾驶飞机需要这些系统才能变得可靠和自主，但这也是极难建立和测试的。 还有其他问题。在空中，在有限的GPS可用性和准确性下，即使像无人机定位这样简单的任务也会变得很困难。货物装载过程需要大量的人工，电池需要变得更好，飞行器需要变得更噪音更小，无人机零件的可靠性亟需增强。Google还必须说服公众，让无人机代替UPS卡车。这不仅仅是关于安全问题，也有关无人机的投放可能产生新型空气污染，电子垃圾增加，还有会使运输卡车司机丢掉工作。 甚至更重要的是，人们到底要用无人机运输什么？通过飞行机器人共享经济，但这些机器人的应用会有多大意义？回想一下，无人机初始运输的是除颤器，但许多城市都以不同的方式解决了这个问题，他们让机器分散在城市不同地方。这可能是有点浪费，但它很简单容易，不需要飞行器的参与。 |
广告投放|联系我们|手机|投稿|Archiver|About us|Advertise|遥控迷模型网|RCFans ( 粤ICP备10210518号-1 )
版权所有 RCFans.com © 2003-2016
