按：本文为美国宾夕法尼亚大学工程院院长Vijay Kumar在CCF-GAIR大会上做的为题“Challenges in Autonomy”的共享，(公众号：)展开了全文整理。全文分成上下两部分，以下是第一部分。传送门：时隔一年 Vijay Kumar 再登 GAIR 讲台，描写自动化的技术与社会挑战（下）2017年7月7日至9日，全球人工智能与机器人峰会CCF-GAIR大会在深圳顺利举行。

本次由CCF中国计算机学会主办、与香港中文大学（深圳）主办。来自全球30多位顶级院士、近300家AI明星AI企业，齐聚智能科技产业盛会。Vijay Kumar在无人机领域被称作“无人机大神”。

他在多机器人的编队掌控协商，作出了十分大的贡献。2016年，Vijay Kumar在CCF-CAIR峰会上讲解了无人机会向着Small（小型），Safe（安全性），Smart（智能），Speed（灵活）和Swarm（集群）“5s”的趋势发展。

时隔一年 Vijay Kumar 再登 GAIR讲台，以“Challenges in Autonomy”为主题，展开了演说，重点讲解了自动化浪潮的技术与社会挑战。Vijay Kumar是美国宾夕法尼亚大学工程院院长，同时也是美国国家工程院院士，美国电子电气工程师协会研究员（IEEE Fellow）。

以下为Vijay Kumar演说速记全文整理，在不转变本意的基础上做到了精编：无人机的挑战今天我谈的主要内容是自动化当中所遇上的挑战，特别是在是无人机方面的挑战。如今智能驾驶汽车有了相当大的进展，但是以下无人机的这些挑战是无人车所没的：无人车是在未知的道路上飞行中，而无人机是在 3D 空中飞行中。

无人车有 GPS 的导航系统，无人机没，特别是在在室内环境中飞行中的时候。车上面有很多传感器，但是在无人机里面，如果多敲一公斤荷载，有可能消耗的能量就不会越高，不会带给相当大容许。

因此我们期望尽量减少无人机的能耗，需要让它更为有效率，我们才能取得更好的讯息和数据。无人机必须掌控才能保持均衡，安全性尤为重要。在汽车里面，只要刹车就安全性了。在无人机上，这个问题更为简单。

汽车的环境更为非常简单一些，我们有有所不同的仿真，可以感官到地板有平面的波动或者有墙，但是无人机上要感官外界环境不会更为艰难。右图是我们过去5年生产的无人机，可以显现出无人机的尺寸更加大，可以放更多的传感器上去，它的自动化程度也有所提高，这是自然而然的结果。因为我们大家都期望让它有更高的感官能力，需要让飞行器更为的强劲，有更加多的功能。

户外、室内环境安全性飞行中展示如何让无人机在户内、户外的环境安全性飞行中呢？可以让它做到较慢号召、救灾、减灾的工作，有可能是人类无法抵达的危险性区域，可以较慢搜集一些讯息。这是我们的一个机器人，它可以在室内的环境展开飞行中，不必须外在摄像头。它有一个感官的功能，比如图像可以看见传统的反馈机制，我们可以感官到周围的环境，采取相应的动作来对此，在我们的控制系统里面可以构建较为较低的层面。

在更加高级的层面上，可以看见在系统当中，我们可以以更高的层面将感官/行动的循环去创建，有时候可以在屏幕上看见，有时候可以转入到它的计算机里面。比如我想要从一个地方抵达另外一个地方，如果中间有障碍物，必须挂钩，所以中间要使用有所不同的动作。最低的层面，我们可以去创建一个反馈机制，可以对它展开掌控。这是人和机器展开对话的过程。

我们有可能没办法让计算机在低于的层面自动和人展开对话，但是更高的层面，人机可以对话，可以已完成一些工作，所以这就是一种感官和行动的对系统循环，这样我们就可以更进一步发展，来创建更好的感官行动。低于的层面必须我们实时控制。只有通过这种方式才能让机器人十分可信的去运动，协助我们已完成任务。

这里面某种程度是它的 3D 方位，还必须告诉它的前进方向和转动角度。事实上只有 4 个旋翼，还有一些机器有 6 个旋翼，不管有多少个旋翼，我们都必需要告诉它的方位和方向，利用控制软件展开实时控制，在控制系统当中对它收到指令。当然，我们有有所不同的平面，如果看一下系统里面的前进方向、线性、动力，比如说它的横向速度或者是平行的速度，特一起就非常复杂。所以你可以看见，二者之间更为简单，我们要对比一下它的行动，平面上的运动方向，以及它横向上的运动方向。

操作者是左手边开始做到，右手边对它展开操作者，这是更为简单的过程。可以将它分为几个有所不同的部分来看来，它有一个运动轨迹，这个运动轨迹中要寻找一个推动力，我们管它叫 F，我们看见它的现有方位和目的方位之间的联系是怎么样的，将它展开移动。我们要为它制订一个方向，这个方向就可以让机器自行推展到目的地。当然，我们也要创建其他维度，比如T这个维度，是它要前进的方向，我要让它的角度超过理想的状态，我们要展开计算出来、看目的地的角度是多少，然后让它展开移动。

我们设计的时候必须用计算机协助我们做到计算出来，另外我们看见这样的等式需要让无人机去到任何我们想要让它去的地方。当然，同时也要保证它的平稳和可靠性。荐个例子，无人机在空间当中展开三维运动，这是室内中的实验，当然在户外也可以构建。

对系统循环，再行展开路线规划，对方位展开掌控，高度以及它所在的3D方位。获得对系统路径之后，对它的速度和方位展开计算出来，如果我们没运动摄像机，不能通过无人机上自带的摄像头来构建这个目的，我们可以把适当的提供的数据展开分析，再加它的惯性分析，就可以告诉它应当往哪个方向去。户外、室内的实际运动情形这里面我们的频率是200HZ，我会向大家展出户外、室内的实际运动的情形。

这里我们减少了复杂性，因为实际操作环境往往更为简单。我们对它运动的路径展开计算出来，也不会减少U这个角度，整个系统是四维角度，如果把角度减少进来是有四个维度，这样可以尽量的减少飞行器错误的可能性。

在高速运动的时候，我们必需依赖刚才所讲的所有讯息，还包括模式、检测的维度，如果需要给到更加多的传感器，除了IMU、GPS，我们有可能有更佳的展现出，还包括镭射激光的扫瞄，还有其他传感器，机器展现出不会更高，当然这都是在200HZ频率下构建的。这个机器超过每秒70米的速度，没GPS，它可以从户外转入室内，马上展开刹车，速度不会迅速减少，它可以在摄像头当中仔细观察到环境的变化，也可以从5m/s 、10m/s的速度加快。在户外展开飞行中时，可以看见机器显著有前倾动作，当然也没GPS。在有障碍物时，就必需特另外一层。

有来自有所不同传感器的信息，这些信息事实上融合在一起，创建局部地图，局部地图让我们本身的机器理解要自由选择哪样的飞行中管道，所以飞行轨道指定之后，就可以协助我们避免障碍。但是在这个层次上，我们可以创建起整体地图。很多情况下，我们不必须整体地图，要局部地图就可以，导航系统必须局部地图协助我们避免障碍，同时确保无人机的安全性。如何避障我们看一下如何做到避障，上图当中有无人机，它在室内有很多障碍物，我们用于的是镭射扫描仪，协助我们更佳的理解周围的障碍物。

我们看一下这个等式，可以确切看见在大大降低成本，这里还包括两种成本：一是时间成本，期望增加时间；二是构建尽早的流畅性以及灵活性，要对这些参数展开设置，要么获得较慢的速度，要么获得较为简洁的不道德。同时我们不会大大优化飞行中的路径。

每1/3秒就展开一次飞行中轨迹优化，它由4个元素所要求：环境并会有过于多问题，我们必需寻找简单环境当中较为好的飞行中路径。控制系统必需充足简单，像我刚才所说的。必需有适当的涉及容许的组织，它只朝一个方向行进，不有可能经常出现逆回。

事实上，有很多要探究的预先条件才能解决问题避障过程。在没办法看见整体环境下，必需设想。导航系统过程中，眼睛能看见的只是20-40米的能见度，因为感应器是轻量的，有可能没能力看见20-40米以外的物体。

我们一开始想要创建一个空间，空间竣工的过程中，作为空间子集，它大大发生变化，我们对整个子集构成一个自由空间，优化的问题是在传统共识构建的基础上。左上方，大家可以看见这是右转的动作，这是较为基础的路径的探究。但是整个操作者的过程当中，也有很多的点，它仍然是传统的物理空间，是损失空间，它可以是六个维度。

在这个过程中，我们就能寻找安全性飞行中的轨迹。基于右边，究竟我们的机缘是什么？我们可以对这样的解决方案展开自由选择，飞来得慢或者飞得流畅，一系列前置条件都必需以十分低的方式才能最后构建较为流畅的导航系统解决方案。

复杂性，我们视野很受限。比如你车站在Pk（tk）的点，你必须去红色五角星的地方，你的视野不能看见屋内一部分，你要计划一个飞行中轨迹，你的解决方案就是我所画的这样，但是必需要保证，你没办法看见视野以外的东西。如果你飞来得尤其慢，如果你在中间经常出现了障碍物，你应当怎么做，你没时间停下，可能会撞到上去，应当怎么做呢？对我们来说是如何解决问题有效地视野，每秒飞行速度20米，你早已没办法通过滑行和加快构建有效地暂停，有可能遇上避障的反应时间只有20米，如果没感应器，要构建40米长的视野就没办法避障。

轨迹规划的过程我们只做到部分轨迹的规划，如果有第二个参数可以做到第二次轨迹操作者，这样的操作者能确保本地停下，在G点确保飞行中的安全性，有两个希望的过程：Pk到Pk+1。现场情况做到轨道的构建和分解，这样的感官和行动的回升当中，飞得尽可能慢。

那么系统本身否停下可以构成系统的感官，最后规划下一步的下一步飞行中路径，这样我们不会有所为行驶的原则。这就是我们在解决方案上的方法。

一开始我们飞得充足慢，用于较慢飞行中，一旦抵达起点，后来要构建任何视野当中的障碍物，可以构建急速行驶，系统再行展开下一步路径的优化。这是我们用于的十分基础的算法，在没GPS过程中，只要用于装载的感应器就可以做二次轨道规划，可以确保安全性、完整性，如果有任何的解决方案，我们的机器人总是可以用于这些解决方案。最后是优化，事实上不能称作次优化，大部分简单的容许条件，我们不能确保飞行器的安全性和完整性，但是我们不会大大尝试拟合解决方案。在受限的视野当中，我们如何做到轨迹规划，左边的图可以看见，不能看见绿色部分。

事实上机器人构建了多个无人机的角度转换，转换过程中，一旦遇上障碍物，不会较慢停下展开计算出来，最后寻找拟合的飞行中路线。无人机在室外的活动过程将更为简单，如旁边种了很多树根，我们期望超过每秒20米的飞行速度，我们实施了动态的轨迹的分解，同时可以协助我们构建自由空间的轨迹的分解，同时确保飞行器的安全性以及完整性。室外飞行中，无人机不告诉树根在哪里，没任何GPS，但是飞行速度迅速，这部分能超过每秒5米的飞行速度。

我们正在做到的另外一个案例是让无人机去找一个物体，寻找后自动停下。无人机不告诉周围的环境，它飞来得充足慢，寻找潜在的地址，寻找物体就停下。

在救援过程中要飞行速度越快越好，寻找存活的物体，寻找怀疑的爆炸物，只要寻找就可以。操作过程中构建了优化操作者，在户外环境当中，无人机并不知道物体放到室内，在整个过程当中，重开所有门，而无人机必须找寻开着的门转入室内，接着找寻物体，它最后找寻物体所在地是它的轨迹，并且需要避免一切障碍物。无人机顺利转入室内，我们用于很非常简单的是物体监测算法。当飞回来之后，它并不忘记第一次飞行中路径中所看见的目标物，无人机又开始分析，从黑暗的室内环境转入高亮度的室外环境，再行返回室内环境中，它最后告诉他我们它寻找橙色的标记物。

它以每秒5米的速度较慢飞行中，我们把速度引到每秒10米，这各不相同障碍物的密度。自由空间可以超过每秒20米，但是障碍物空间中不能超过每秒5米的飞行速度。上图展出的是室内的导航系统的过程，左下角的图片展出了无人机的方位，同时表明了我们想要让它超过的方位，整个过程中它不会寻找一些障碍物，比如墙壁、沙发，还有有可能经常出现的人体，它跨过了沙发，看见了Jeason，我的同事。他避免了Jeason，去到另外一个空旷的区域，遇上我另外一位同事，他穿过所有障碍物回到一个空旷的空间，最后已完成了它的制图过程，像这样的软件可以协助我们动态搜集无人机所看见的信息，构成制图成果。

右图是在仓库环境当中使用无人机的用途，比如它可以看见架子上所有的物件，可以让人们告诉在什么地方放置什么样的物件，看上去很非常简单，但我们不告诉哪些地方有东西，很多时候工人把东西乱放，然后就记得了把东西放到什么地方。他们有可能告诉这个物件在仓库里面，但明确不告诉在哪个方位。

我们利用无人机去找它，这样就不必须再行重新整理仓库了，只必须为首一个无人机就告诉这个物件放在什么地方。另外，我们可以避免物体互相撞击，比如防止和汽车、自行车撞击。

无人机可以辨识运动的物体和惯性的物体，这点十分最重要，可实现无人驾驶。我向大家展出机器的另外一项能力，我们和高通公司在合作，这是我们实验室展开的实验，大于的无人机是全自动化无人机，大约只有15G，没任何的操纵者，也没GPS，它只是用来符合从一个地方到另一个地方最近的路径是怎样的。第一个视频，无人机可以跨过第一个障碍物，从右跨过第二个障碍物。我们有有所不同的柱子，间隔3米成立一个柱子，让机器以每秒5米的速度跨过这些柱子。

这是一个较为较宽的缝，必须无人机自动穿越缝隙。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：澳门威斯尼斯8883入口-www.jacxtf.com