“'神经着陆器'采用AI平稳地降落无人机”

多旋翼无人机很难顺利着陆。 随着地面下降的过程越来越近，各个转子的气流从地面反弹，产生许多复杂的湍流。 这个湍流不能很好地理解，也不容易补偿。 特别是在自主无人机方面。 所以，起飞和着陆一般是无人机飞行中最困难的部分。 无人机一般会摇晃缓慢地走向着陆，将剩下的距离降至地面，直到最后切断电源。

在加州理工学院的自主系统和技术中心( cast )，人工智能专家和控制专家合作开发了一种系统，使自主无人机更安全、更快速地着陆，减少吞噬量的电力。 他们制作的系统被称为神经着陆器，是跟踪无人机的位置和速度，并相应修改着陆轨迹和转子速度，以实现最平稳着陆的基于学习的控制器。

这个项目有可能帮助无人机飞行更平稳、更安全。 特别是在阵风无法预测的情况下，随着无人机能够快速着陆，会消耗更少的电池电量。 航空宇宙飞行的bren教授soon-jo chung说。 加州理工大学是美国航天局管理的jpl工程与应用科学系( eas )和研究科学家。 该项目由chung和caltech人工智能( ai )专家anima anandkumar、计算与数学科学bren教授、计算与数学科学助理教授yisong yue合作完成。

说明神经着陆机的论文将于5月22日在电气电子工程师协会( ieee )机器人自动化国际会议上发表。 这篇论文的共同第一作者是加州理工大学研究生院生姜冠亚，他的博士研究是共同导演。 chung和yue、xichen shi和michael o connell是chung航空空航天机器人和控制组的博士生。

深层神经网络( dnn )是受大脑等生物系启发的ai系统。 名称的深层部分是指数据输入在多层中搅拌的事实，各层用不同的方法解决传入的新闻，整理出越来越多复杂的细节。 dnn可以自动学习，非常适合重复工作。

为了使无人机能够在dnn的指导下顺利飞行，团队使用了被称为频谱归一化的技术。 该技术使神经网络的输出平滑，因为在输入/条件发生变化时，无法进行大幅变化的预测。 着陆的改善是通过检查3d空之间的理想化轨道的偏差来测量的。 进行了3种测试:直线垂直着陆； 降落弧； 无人机掠过破碎表面的飞行，例如在桌子的边缘，来自地面的湍流的影响会急剧变化。

新系统可以100%减少垂直误差，控制着陆，最大减少90%的横向漂移。 在他们的实验中，新系统没有像地面10~15厘米那样卡住，而是实现了实际的着陆。 这就像以前写的飞行控制器传得很好一样。 另外，在微弱的读取测试中，无人机掠过桌子后在超越边缘的自由空之间飞行，因此神经着陆器实现了更平滑的转移。

由于误差小，神经着陆器可以更快、更平稳地着陆，在地面上平滑地滑动。 yue先生说。 新系统在cast层高的机场进行测试，可以模拟几乎无限多种室外风的情况。 cast于年开放，占地10，000平方英尺，eas、jpl和加州理工大学地质行星科学部的研究人员共同构建新一代自主系统，推进无人机的研究、自主探测、生物启发系统。

这种跨学科的努力带来了机器学习和控制系统的专家。 我们还没有开始探索这两个行业之间的丰富联系。 anandkumar先生说。

除了明显的商业应用外，chung和同事们还申请了新系统的专利。 新系统是cast目前开发的项目中不可缺少的。 这包括可能在难以到达的地方着陆的自主医疗运输(如堵车的交通)。 生物工程教授morteza gharib，hans w. liepmann航空空说，在运送伤员时能够迅速顺利着陆的重要性不容忽视。 是cast主任空救护项目的主要研究者之一。