瑞士苏黎世大学和国家能力中心NCCR的研究人员开发了称为DroNet的算法，目标是驱动无人机在城市街道上空安全通过。它设计为一个8层的快速残量网络，对每个输入图像都会产生两个输出：转向角和碰撞概率，前者保持对无人机导航以实现避障；而后者让无人机识别危险情况并及时作出反应。

　　领导这个团队、专攻机器人感知的苏黎世大学戴维德·斯卡拉穆扎教授说，“DroNet既识别静态障碍，又识别动态障碍，以便放缓速度避免碰撞。这种算法让我们朝着无人机在日常生活中自主导航又进了一步。”

　　根据规划，他们开发的无人机不依靠精密的传感器，而是用智能手机的普通摄像头配合强大的人工智能算法，来解释观察到的场景并作出相应的反应。该算法由所谓的深层神经网络组成。斯卡拉穆扎说，“这个算法能通过一组训练实例，向无人机表明如何做某些事情，如何应对困难状况，让它学会解决复杂任务。这有点像小孩从父母或老师那里学到本领。”

　　所以，收集数以千计的训练示例就成为开发这个深度学习算法的重点。团队从实际的城市环境中获得足够的数据，来训练算法。无人机通过模仿行驶中的汽车和自行车，自动学会遵循安全规则，比如“在街上如何不进入逆行道”、“如何避免撞到前进方向上的行人、建筑或其他车辆”。更有趣的是，研究人员发现他们的无人机不仅在城市街道上学习，在一些完全不同、也从未操练过的环境也会开启学习模式。无人机甚至学会了在室内环境中（如停车场和办公室走廊）的自主飞行。

　　尽管这项研究发掘了监控无人机穿越杂乱的城市街道或完成灾难救援行动的潜力，但研究团队表示，大家对轻型、廉价无人驾驶飞机的期望值其实还是过高。“实现上述雄心勃勃的应用目标，仍然有许多技术问题需要解决。”稼正 （图：UZH）