透過學習撞擊機率及轉向角度，使無人機在街道上飛行

目前自動無人機技術已經漸漸成熟，不只在軍用領域發展，普及到民用領域也是遲早的事情，Antonio Loquercio等人於2018年發表了一篇論文，描述他們是如何讓無人機自行安全的穿越城市的各種不同狀況的街道，他們使用機器學習的方式，並取名為DroNet，他們將相機獲得的圖片當作輸入，並輸出轉向的角度以及將會碰撞的機率。(圖一)

圖一

這項任務困難的地方在於數據的收集，監督式的學習都會面臨這樣的問題，所以他們嘗試使用汽車以及腳踏車的數據及進行訓練。(圖二)

圖二

從結果的分析來看，表現非常的不錯，正確的判斷障礙物以及非障礙物的能力都在90%以上，並且神經網路的架構非常小，每秒可以計算20偵，可以說勉強達到realtime的標準。(圖三)(圖四)

圖三

圖四

後續對於現實場景的測試，它們描述了其中6種場景，包括室內以及室外的測試，並且都成功地執行了任務。(圖五)

圖五

此篇論文我認為他們提供了很好的建議，即使用汽車以及腳踏車的數據，也可以成功的訓練無人機的神經網路，並且達成很好的結果，他們也有附上很厲害的無人機避障結果的影片，有興趣的話可以觀看。

https://www.youtube.com/watch?v=ow7aw9H4BcA

撰文:唐朝洋

Reference:

A. Loquercio, A. I. Maqueda, C. R. del-Blanco and D. Scaramuzza, "DroNet: Learning to Fly by Driving," in IEEE Robotics and Automation Letters, vol. 3, no. 2, pp. 1088-1095, April 2018, doi: 10.1109/LRA.2018.2795643.