一架自动无人机在内华达山脉运送水源，帮助扑灭一场野火时，可能会遭遇圣安娜（Santa Ana）旋风，使其偏离航线。如何在飞行中快速适应这些未知的干扰，对无人机的飞行控制系统来说是一个巨大的挑战。
据外媒报道，为了帮助这种无人机保持目标飞行，麻省理工学院（MIT）的研究人员开发出一种基于机器学习的新型自适应控制算法，该算法可以在阵风等不可预测的力量下，最大限度地减少无人机偏离预定轨迹的概率。相关研究论文发表在arXiv预印本服务器上。
与标准方法不同，这项新技术不需要自主无人机的编程人员事先了解这些不确定干扰的结构。相反，控制系统的人工智能模型会从15分钟的飞行时间收集的少量观测数据中学习所有需要的信息。重要的是，该技术会自动确定应使用哪种优化算法来适应干扰，从而提高跟踪性能。它会选择最适合该无人机所面临特定干扰几何形状的算法。
研究人员使用一种名为元学习（meta-learning）的技术训练控制系统同时完成这两件事，这种技术可以教会系统如何适应不同类型的干扰。
综合起来，这些因素使他们的自适应控制系统在模拟中实现了比基线方法减少50%的轨迹跟踪误差，并且在训练期间未见过的新风速下表现更佳。
未来，这种自适应控制系统可以帮助自主无人机在强风条件下更高效地运送重型包裹，或监测国家公园的火灾多发区域。
“这些组件的并行学习是我们方法的优势所在。通过利用元学习，我们的控制器可以自动做出最适合快速适应的选择，”麻省理工学院机械工程系和数据、系统与社会研究所（IDSS）的Esther and Harold E. Edgerton助理教授、信息与决策系统实验室（LIDS）首席研究员、本文资深作者Navid Azizan说道。
与Azizan共同撰写该论文的还有航空航天系研究生Sunbochen Tang和电气工程与计算机科学系研究生Haoyuan Sun。
扫一扫关注微信
