（原標(biāo)題：專訪賓夕法尼亞大學(xué)Vijay Kumar：無人機背后的故事）
提到無人機，有人也許會想到巡航在海上的大型的軍用武器，而近年來，隨著消費級無人機的技術(shù)革新和價格優(yōu)勢，這類無人機開始被大眾所熟悉。無論是攝影還是送貨，只要一提起無人機，人們馬上會聯(lián)想到大疆（DJI）、Parrot（一家總部位于法國巴黎的無人機及無線產(chǎn)品制造商）、3D Robotics（由前《連線》雜志主編Chris Anderson和時年20歲的Jordi Munoz創(chuàng)建，主打北美市場）、AscTec（德國Ascending公司旗下的無人機品牌）這些生產(chǎn)商。
然而，在美國賓夕法尼亞大學(xué)有這樣一間實驗室，早在2006年就開始了無人機相關(guān)技術(shù)的探索，至今他們的無人機算法和技術(shù)在農(nóng)業(yè)、救災(zāi)、建筑、娛樂等方面有著廣泛的嘗試。相對于常見的攝影或物流類的無人機，他們所研究的無人機應(yīng)用的場景更多樣、處理的問題更復(fù)雜、涉及的技術(shù)領(lǐng)域和更為寬泛?？梢哉f，他們的每一個新進展，都引領(lǐng)著整個無人機領(lǐng)域的技術(shù)變革，同時也是推動無人機和人工智能領(lǐng)域發(fā)展的杠桿。
近日，《程序員》雜志在CCF–GAIR全球人工智能和機器人峰會上專訪了美國賓夕法尼亞大學(xué)工程學(xué)院院長，IEEE、ASME Fellow，美國國家工程院院士，Vijay Kumar。他就自己實驗室最新的研究成果與我們進行了交談。
除了攝影，無人機還能干什么？
Vijay Kumar是位印度裔機器人科學(xué)家，1983年畢業(yè)于印度理工學(xué)院坎普爾分校（IIT），后進修于美國俄亥俄州立大學(xué)，1987年獲得機械工程博士學(xué)位。Vijay是世界上第一批研究無人機的科學(xué)家之一，早在2006年，Vijay和他的團隊便第一次成功開發(fā)出了四軸飛行器原型，并積極推廣無人機在多個實用場景下的應(yīng)用。十年后的今天，無人機產(chǎn)業(yè)早已變的炙手可熱，市場規(guī)模實現(xiàn)了百億美元的增長，有人估計，到2020年，無人機市場將達到250億美元。盡管市場越來越熱，但學(xué)術(shù)界和產(chǎn)業(yè)界之間，依然存在一定的距離。這也讓Vijay坦言，他并不關(guān)心無人機市場，眼下自己的重點，依然放在無人機的四個核心研發(fā)問題上：體型、安全、智能、速度。雖然這四點看似簡單，但要是一一展開，無疑會讓我們看到一幅關(guān)于無人機的更大的畫卷。Vijay的最新研究成果，就是對這四點最好的詮釋。這些成果包括以下幾類。
自主小型飛行器（Autonomous Micro UAVs），這種飛行器可以利用GPS在復(fù)雜的三維環(huán)境中巡航，可以用于搜尋工作和精細農(nóng)作（Precision Farming）。這種無人機的重量只有20克，通過傳感器來規(guī)劃路線和監(jiān)控當(dāng)前環(huán)境，傳感器包括IMU（Inertial Measurement Unit）、攝像頭、激光測距儀、測高儀等。
飛行器矩陣（SWARMS，Scalable sWarms of Autonomous Robots and Mobile Sensors），在矩陣中，每臺飛行器都是以自主（Autonomic）的狀態(tài)完成任務(wù)，在沒有中央控制系統(tǒng)的情況下，僅根據(jù)傍邊飛行器的反應(yīng)而作出調(diào)整，從而達到協(xié)作的目的。
微型生物機器人（Micro Bio Robots），這些微型機器人只有10～100微米，由生物傳感器和馬達制動。他們可以被用于藥物探索、微創(chuàng)治療以及微型裝配。同時，他們還可以被應(yīng)用在生物傳感器和生物電路的合成，幫助行成“傳感——驅(qū)動——通信”的閉環(huán)。
飛天手機（Flying Smart Phones），智能手機是當(dāng)下最常見的高性能、低成本處理器和傳感器集成，用無人機搭載智能手機，相當(dāng)于擁有了一個給力的CPU/GPU、兩個攝像頭、一塊電池、GPS、Wi-Fi、藍牙模塊、IMU、電信數(shù)據(jù)接收器，以及相應(yīng)的內(nèi)存。這無疑給飛行器賦予了更好的性能。
通過上述研究，無人機可以被應(yīng)用在很多場景，例如可以放進大樓作為報警器，一旦有入侵者，馬上報警；在建筑內(nèi)尋找生化／煤氣泄漏，或者把飛行器送進倒塌的樓房或核反應(yīng)堆，來探測放射強度；室內(nèi)建模，在陌生的空間內(nèi)構(gòu)建實時地圖，甚至連一些室內(nèi)細節(jié)都可以反映出來；搬運重物；搭建建筑龍骨（目前，根據(jù)Vijay一位學(xué)生開發(fā)的算法，飛行器矩陣可以自己建造矩形的龍骨），飛行器根據(jù)對周圍飛行器的探測，可以自行選擇用什么材料、用在哪里、什么時候用。
除此之外，Vijay研究的飛行器還有很多實際用途，例如精細農(nóng)作，通過熱感攝像機和普通攝像頭捕捉的數(shù)據(jù)，分析每株作物的特定需求，并且將結(jié)果反饋給農(nóng)戶，比如作物A需要澆水、作物B需要施肥、作物C需要除蟲等。通過這一方式，無人機還可以計算每株作物的果實數(shù)量，從而幫助農(nóng)戶對收成進行預(yù)估，以及找出染上疾病的作物。
仿生學(xué)在無人機領(lǐng)域的應(yīng)用
對仿生學(xué)的應(yīng)用是Vijay研究中最重要的思想之一，也是很多創(chuàng)新技術(shù)誕生的基石。在上面提到的無人機四個要素中，體型大小會對其他因素造成不同程度的影響。通過對蜜蜂的觀察，Vijay發(fā)現(xiàn)，這種小型飛行生物可以很好地跟環(huán)境互動，即使相撞也不會受傷。同時小體型意味著慣性更小，速度更快，受到撞擊時也可以很快恢復(fù)。但小體型的代價卻是搭載的傳感器更少，單個飛行器能做的事情也有限。
為了彌補這一缺憾，Vijay和他的團隊發(fā)明了飛行器矩陣，即通過一組飛行器來配合完成某項任務(wù)，這也是Vijay團隊無人機研究中最重要的概念。為了讓一組飛行器更有機地配合，他們再次借鑒了仿生學(xué)規(guī)則。通過對切葉蟻亞科的盤腹蟻屬（Aphaenogaster）進行觀察（如圖1所示），Vijay總結(jié)了三個重要的自然生物協(xié)同工作的原則。
切葉蟻亞科的盤腹蟻屬通過協(xié)作搬運重物
獨立自主（Decentralized），蟻群不受任何“中央命令”的控制，每只螞蟻都是按照自己的本能做事；
臨近感知（Neighbor Sensing），單只螞蟻的行為根據(jù)自己“鄰居”的行為作出調(diào)整；
匿名（Anonymity），單只螞蟻對自己的“鄰居”是誰并不清楚，因此無論“鄰居”換成誰，都不會對自己的行為造成影響。
受到上述自然規(guī)則的啟發(fā)，Vijay設(shè)計了原理類似的飛行器矩陣，這種矩陣被稱為Swarm（如圖2所示）。在Swarm中，每臺飛行器都裝有本地傳感器，并且擁有本地通信和計算能力。兩臺相鄰的飛行器通過傳感器控制彼此的距離，傳感器以100次/s的頻率將數(shù)據(jù)發(fā)送到處理器，并由處理器將解決方案傳送給電機。在圖2的示例中，Swarm利用鄰近感知原則，可以在障礙物前轉(zhuǎn)換陣型（Formation），由于匿名原則，在一個Swarm中，即使抽掉（或增加）了幾臺飛行器，陣型依然可以保持原樣。
Swarm無人機矩陣
而由于每臺飛行器都是獨立運算行動的，在另一個例子中，飛行器通過自身對環(huán)境的探測，完成了一系列高難度的動作，比如在狹窄的通道前轉(zhuǎn)體，鉆過通道后迅速恢復(fù)原樣；以及鉆過向上拋出的鐵圈等（如圖3所示）。這兩個例子的原理在于，人們先為飛行器預(yù)先編入飛行軌跡，但飛行器需要在預(yù)設(shè)的軌跡上加一個動作，這需要它們先積聚動能再改變方向，再回到預(yù)設(shè)的軌跡上來。它們知道怎樣完成每段獨立的軌跡，然后把每一小段的軌跡組合起來。
為了更好地理解Swarm，Vijay通過一個理論來進一步說明，他稱這個理論為Consensus，Consensus解決的是在Swarm中到底該怎樣形成陣型（Formation），哪臺飛行器該飛到哪，矩陣如何保持一致性的問題。Vijay舉了一個例子。假設(shè)你身處一個5個人的房間，每個人腦子里都想一個數(shù)字（事先不能交流），這時5個人都想到同一個數(shù)字的概率小到可以忽略不計，而這時你把你想到的數(shù)字告訴“鄰居”，“鄰居”再把自己聽到的數(shù)字相加再除以人數(shù)。比如A說1、B說4、C說10，當(dāng)你問C的數(shù)字是幾的時候，C會說5（1+4+10＝15，3/15）。如果你們重復(fù)這一步驟，那么幾輪之后，你們就會得到相同的數(shù)字了。這就是為什么每臺無人機都有自己的飛行路線，但最終卻能協(xié)同起來的原因。
盡管在充分訓(xùn)練的情況下，Swarm已經(jīng)擁有良好的表現(xiàn)，但Vijay也坦言，隨著飛行器的數(shù)量增多，Swarm的組織也越難，原因有二。其一是隨著飛行器數(shù)量的增加，單個飛行器對“鄰居”動態(tài)的感知更難，需要掌握的數(shù)據(jù)也更多；其二在于，當(dāng)不同特征（Traits）的飛行器同時加入編隊后，對陣型的優(yōu)化影響很大。
Vijay團隊曾做過一項實驗。實驗中，他們?yōu)椴煌娘w行器賦予不同的特征（Traits），使具備相同特征的飛行器成為一個“種群”（Species），讓不同“種群”的飛行器組成一個陣列，去完成某項任務(wù)。結(jié)果發(fā)現(xiàn)，種群的基數(shù)越大陣型就越難被優(yōu)化。
無人機，走出實驗室要面臨更多的挑戰(zhàn)
今天，無人機在現(xiàn)實世界中的真實應(yīng)用案例還相當(dāng)有限，盡管2011年，Vijay的無人機曾被用來日本地震災(zāi)后的探測工作（如圖4所示），但要想讓無人機在更多的任務(wù)中發(fā)揮作用，依然面臨著不小的技術(shù)挑戰(zhàn)，外部世界的復(fù)雜性遠遠超過實驗室的模擬，除了上文提到的Swarm之外，無人機在室外甚至是災(zāi)難現(xiàn)場工作，還面臨著風(fēng)速、無GPS定位、懸停電量消耗、陡坡降落等難題。由于Vijay研究的無人機是“獨立”且完全“自動”的（Autonomic），即使要完成從A點到B點這樣簡單的動作，都要穿過一個12維的空間。
上圖是2011年在日本一所被地震震塌的房子內(nèi)構(gòu)建三維地圖，為了節(jié)省“體力”無人機由一臺地面機器人載入房間，之后再進行飛行探測”。
Vijay的方法是把這個12維空間翹曲成一個4維空間（如圖5所示），這個4維空間由橫軸、縱軸、豎軸、旋轉(zhuǎn)軸組成。飛行器在這個4維空間中以10～100次／s的頻率規(guī)劃“最小化加速軌道”（Minimum Snap Trajectory），同時通過對位置向量、導(dǎo)數(shù)、速度和加速度的推導(dǎo)，創(chuàng)造一個優(yōu)雅的飛行曲線，并且繞開障礙物。
無人機的飛行算法
然而當(dāng)飛行速度達到一定的量級之后，上面的方法就不利于避障了。由于無人機上的傳感器無法探測20米外的范圍，這時如果無人機以20m／s的速度運行，一秒鐘后就會飛到一個完全陌生的環(huán)境或撞上障礙物。這時就需要建立一個二維地圖，在二維地圖中找到安全軌跡作為矢量集合，飛行器可以在這個矢量集合中去調(diào)整“最小化加速度軌道”。
下面我們來看看Vijay團隊在實際應(yīng)用方面的一些關(guān)鍵技術(shù)研究
地圖構(gòu)建
地圖的構(gòu)建分為兩種，一種是在未知環(huán)境，且傳感器數(shù)量和信號都不好（尤其是無法使用GPS）的情況下創(chuàng)建拓撲地圖；另一種是構(gòu)建SLAM（Simultaneous Localization And Mapping）。關(guān)于第一種，Vijay和他的團隊開發(fā)了一套創(chuàng)建拓撲地圖的算法工具，通過ROS呈現(xiàn)（機器人操作系統(tǒng)）。這一算法需要先對自由空間進行覆蓋，然后建立起該覆蓋環(huán)境的基本維諾圖（Voronoi Graph，如圖6所示）。
陌生環(huán)境下室內(nèi)拓撲地圖的構(gòu)建
而SLAM的構(gòu)建則要復(fù)雜一點，在講解技術(shù)原理之前，我們不妨簡單地看一看這個近幾年在機器人、VR/AR領(lǐng)域經(jīng)常用到的技術(shù)。簡單來說，SLAM是指當(dāng)某種設(shè)備（如機器人、VR設(shè)備等）來到一個完全陌生的環(huán)境時，它需要精準(zhǔn)地建立時間和空間的對應(yīng)關(guān)系，并能完美地回答以下一系列問題：我剛才在哪里，現(xiàn)在在哪里？我看到了什么？現(xiàn)在看到的和之前看到的有哪些異同？我過去的行走軌跡是什么？我現(xiàn)在看到的環(huán)境是什么樣子，和過去相比有怎樣的變化？我的軌跡抖嗎？我的位置飄嗎？我還能跟蹤到自己的軌跡嗎，如果我丟了應(yīng)該怎么辦？我過去建立的對環(huán)境的認識還有用嗎？我能在已有環(huán)境的抽象里快速對現(xiàn)在的位置進行定位嗎？
半密集重建與全密集重建圖
在Vijay的實踐中，他們采用了一種叫做“直接視覺SLAM”（Direct Visual SLAM） 的方法。與傳統(tǒng)的用來構(gòu)建“稀疏重建”（Sparse Reconstructions）的功能性算法相比，直接視覺SLAM更適合建立“半密集重建”（Semi-Dense Reconstruction）和“全密集重建”（ Fully-Dense Reconstruction），如圖7所示。Vijay告訴我們，他們目標(biāo)是在一個標(biāo)準(zhǔn)CPU環(huán)境下，將視覺數(shù)據(jù)和慣導(dǎo)數(shù)據(jù)連接起來。整個過程被拆分為三個線程，第一個線程利用視覺數(shù)據(jù)和慣導(dǎo)數(shù)據(jù)做非線性優(yōu)化，對攝像頭的移動做出判斷，這一過程以幀速率運行，然后構(gòu)建出半密集地圖（Semi-Dense Map）。第二線程則需要構(gòu)建出一個擁有高梯度區(qū)域（High-Gradient Area）的半密集地圖，目的依然是對攝像頭位置進行追蹤。第三線程則以較低的幀速率構(gòu)建出該場景的全密集重建。
無GPS環(huán)境下，微型無人機矩陣部署系統(tǒng)
只裝有少量傳感器的微型無人機矩陣，是否可以在惡劣的環(huán)境下工作（比如無法使用GPS等）？為了解答這一問題，Vijay團隊在礦井和大風(fēng)的戶外進行了試驗，他們開發(fā)了一套叫做“基于視覺的穩(wěn)定系統(tǒng)”（Visual-based Stabilization），這套系統(tǒng)被部署到了多個應(yīng)用模式中，包括：主從無人機矩陣（Leader Follower）、Swarm矩陣在監(jiān)控環(huán)境下的部署與穩(wěn)定、合作無人感知測量等。實驗中，這些飛機的控制、運動規(guī)劃、穩(wěn)定性和軌道規(guī)劃都有不俗的表現(xiàn)。
高速無人機在陡坡的降落
救援型無人機需要在災(zāi)難現(xiàn)場長時間實時傳輸信息或構(gòu)建地圖，然而續(xù)航時間短仍然是個重要的短板。為了解決這一問題，Vijay和他的團隊，希望通過讓無人機隨時降落來“保存體力”，包括降落在各種質(zhì)地和各種角度的平面。Vijay為微型無人機設(shè)計了“抓器”，它可以牢牢“抓住”不同的平面，還可以抓取重物。下圖展示了高速飛行的無人機在陡坡降落的情況，目前Vijay的無人機可以在90度的陡坡實現(xiàn)高速降落（如下圖所示）。
高速飛行的無人機在50度和90度的平面降落
這個“抓器”不是一般的“爪子”，而是一個真空吸盤，通過微型真空泵來驅(qū)動。他們對吸盤的設(shè)計和它與放氣、激活力度、最大抓舉力之間的關(guān)系作了很多次測試，最終這一吸盤做到了既可以抓取各種物體，又可以在陡坡上降落。
為了節(jié)省“體力”，Vijay和他的團隊還做過其他嘗試。比如2011年他們讓一臺機器人背著無人機進入一棟坍塌的大樓，進到大樓呢，無人機才開始工作，用了兩個半小時繪制出了大樓內(nèi)部的地圖。
近景遙感技術(shù)在農(nóng)業(yè)上的應(yīng)用
通過近景遙感（Close-Range Remote Sensing）技術(shù)對柑橘屬果樹進行檢測，并對患青果病的果樹進行識別。在佛羅里達，青果病是威脅果樹健康的主要因素。在同一景深下，通過測量黃色偏振光的反射比，可以找出患病的果樹。此外，他們還制定了一套標(biāo)準(zhǔn)用來測量患病果樹樹葉中的淀粉沉積。在獲得這些信息之后，他們再加上一個景深維度，和機器學(xué)習(xí)算法，識別的準(zhǔn)確率達到93%。不僅能識別患病的果樹，連青果病的傳染和早期受到感染的果樹也能分辨。
與Vijay Kumar對話實錄
程序員：你最近的研究并不太依靠外部設(shè)施，飛行器是完全“自動”（Autonomic）的，而用到的技術(shù)卻談不上創(chuàng)新，你怎么看？
Vijay：目前我們所用到的技術(shù)，比如動作捕捉等確實稱不上新技術(shù)，這類技術(shù)我們早在2008年就有所嘗試。但技術(shù)背后的算法卻是新的，理論也是新的，比如上面提到的陡坡降落等。新的理論讓“舊”的技術(shù)發(fā)揮新的作用。
程序員：你用手機作為傳感器集成，比起載有等量傳感器的無人機，具體可以減重多少？
Vijay：一般一個載有等量傳感器的飛行器大約重3千克，懸停的時候會更重，電纜、傳感器、外壁的重量占45％～50%，要240瓦才能帶動。而一臺iPhone6只有129克，只相當(dāng)于原來十分之一的重量。
程序員：既然無人機對重量的要求如此苛刻，那么執(zhí)行救災(zāi)任務(wù)時很難載人離開？
Vijay：的確。懸停是最大的問題，懸停時每千克消耗200瓦電力，要是載一個50公斤的人，每次懸停就要消耗一萬瓦以上的電力，這不是個小數(shù)字。但也不是沒有解決辦法，我們可以看看客機，無人機也可以像客機那樣用飛機燃料、汽油或柴油當(dāng)作燃料。
程序員：你認為無人機要想真正普及，技術(shù)是最大的門檻嗎？
Vijay：我不這么認為。技術(shù)創(chuàng)新固然重要，但很多需求我們已經(jīng)知道該如何實現(xiàn)了。但商業(yè)創(chuàng)新現(xiàn)在依然處于摸索的階段。無人機要想實現(xiàn)普及，需要由商業(yè)創(chuàng)新來推動，這是我不擅長的。你看Uber和嘀嘀出行這兩家公司，他們的崛起并非因為他們在技術(shù)上有很大突破，而是因為商業(yè)創(chuàng)新。
?