苏黎世大学研发的AI神经网络算法，将对无人机集群控制飞行有何影响
Posted 飞思实验室
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了苏黎世大学研发的AI神经网络算法，将对无人机集群控制飞行有何影响相关的知识，希望对你有一定的参考价值。
据苏黎世大学（University of Zurich）消息，苏黎世大学的科学家们开发出了一套更加神奇的导航算法，能够让四轴无人机群表演一些让人感到印象深刻的空中杂技。研究团队希望新算法有助于提升无人机的飞行速度，以及在搜救等领域的工作效率。
苏黎世大学机器人学教授 Davide Scaramuzza 表示，通过算法学习，无人机可掌握对最优秀的人类飞行员也极具挑战性的杂技动作。为了把这些手工飞行技巧应用于自动控制系统，苏黎世大学团队开发了一种AI神经网络算法，模拟飞行实现类似杂技动作的飞行表演。在这种AI神经网络算法中，无人机可轻松模拟不同的轨迹、路径和杂技动作，并且不会对无人机造成物理上的损坏。
经过在模拟器上进行几个小时的训练，配备了特殊导航算法的四轴飞行器就可以利用机载摄像头和传感器，为一系列杂技动作实现各种控制指令，比如滚筒翻转、折返、高推力爬升、角加速度机动等。
说到集群控制，下面我们就目前无人机自主控制这方面来详细了解一下：
目前无人机自主控制，可分为6个等级
1、完全机构化的控制方案和策略，对自身和环境变化没有做出反应的能力；（自动控制）
2、能够适应对象和环境的不确定性，具有变参数、变结构的能力；
3、具有故障实时诊断、隔离、和根据故障情况进行系统重构能力；
4、能够根据变化的任务和态势决策及任务重规划的能力；
5、具有与其它单体或系统进行交互、协同的能力；
6、能够自学习，具有集群自组织协调的能力。
以上“自主控制”可分为以下的类型：
适应性自主：即以适应各类不确定性为目标的自主控制，其中涵盖了由对象、环境以及任务、态势等带来的不确定因素，使系统在无人机参与时实现控制目的。
系统性自主：系统作为独立自主的智能体与其它智能体或人协同时，可进行自主协调、协作、协商等控制行为，以自身适应性自主控制为基础，通过协同性自主可以实现多平台或人机协作，在资源、效率等众多方面得到更优化的控制效果。
学习型自主：高级的自主系统必须具备自学习能力，及能够根据对象、环境、任务及控制效果，通过自主的修正、优化和学习的行为，提高控制性能。
因此，高级的自主系统具有适应性、自修复、智能性、协同性、自学习等特点。
了解完它的控制类型，我们再看看它的控制结构等相关自控方面：
1、递阶开放的无人机控制结构
从效能的角度出发，无人机的工作方式将覆盖单机行动和多机系统的模式。为此飞行控制应当提供编队飞行、多机协同执行任务的能力，控制结构的选择时应对诸多要素进行综合考虑，其中包括将整个机群的使命分解为每个无人机的具体目标、在线任务计划、在线优化编队的任务航线、轨迹的规划和跟踪、编队中不同无人机间相互的协调、在兼顾环境不确定性及自身故障和损伤的情况下实现重构控制和故障管理等。因此先进的无人机控制必须具有开放的平台结构，并面向任务、面向效能包含最大的可拓展性。针对这样的要求，当前广泛接受的解决方案是选择层阶的控制结构和控制技术。
递阶式系统的每一层都有相对独立的功能划分，各层间通过往复的传输实现信息的共享。越往下就越接近具体的执行层，控制算法的具体和布局化程度以及执行的速度就越高；越往上则信息的内容和决策就越具全局意义，并且决策的时间尺度也将变得更长。由于信息的共享，实际上每一层都有相当的“全局观”，这有利于在必要时相对各层开发适当的推理和决策算法，从而提高整个系统的智能化水平和自主程度。
图1递阶智能控制结构图
递阶智能控制结构图是基于无人作战飞机设计的控制和协调的分层结构，具有一定的代表性。这种控制结构分为4层：任务控制层、战略层、战术层和调节规划层，下面的3层位于每一架无人机个体上，最上的一层即任务控制层，位于智慧站或长机上。在这种结构下，同时还可以方便地与其它无人机协调合作来完成任务。
图2导航、制导控制系统
单架无人机的控制结构如图所示，其中控制层为自主控制的最高层，它依据对系统状态的感知，决策和规划系统的任务目标，任务序列和机动轨迹。导航和制导为适应层，适应层根据任务规划结果以及无人机的状态产生相应的导引方案和具体的制导指令，控制执行层生成飞机各操纵效率机构（包括气动效率机构及推力效率机构）的控制指令。
2、故障诊断与自修复重构
无人机故障诊断与自修复重构是其实现自主控制的保障，能够提高无人机的生存能力以及飞行安全性。故障容错与重构控制的问题包括：如何对不同情况的重大故障和结构损伤进行建模，而且避免模型量太大；如何将不同的在线故障检测与识别（FDI）和自适应可重构控制（ARC）算法进行综合，以覆盖不同类型的错误，包括传感器故障、控制效应器故障、以及结构和战场损伤；在出现故障时，如何改变控制分配算法（CAA）。具有故障诊断和自修复重构功能的控制如图。
图3自修复控制系统结构图
3、可变自主权限的自主控制
先进无人机飞控控制技术的目标是实现可变自主权限的自主控制。近年来，对于在环境和自身存在不确定条件下的自主和多机协同控制已经进行了大量的研究。应当指出，控制器要实现的功能目标在相当程度上决定了其应适应的不确定性程度。在递阶控制结构中，随着时间尺度的增长以及控制和决策功能的逐渐分离，面对的不确定性程度也将大大提高。在现已建立的知识库和专家系统的基础上，将人工智能（AI）应用到飞行中决策的技术方向。研究结果表明，自适应控制可以适应很高程度的不确定性；而当不确定因素是动态并且瞬变时，则可以采用学习控制。在递阶结构的基础上，以鲁棒、自适应和智能控制相互交叉、融合所发展出的先进飞行控制技术，具有功能强大的特点，适用于无人机控制领域。其中，基于多模型的自适应控制技术，可以降低各种不确定性的复杂度，从而利于在线决策和重构控制。
4、在线态势感知和自主决策
与有人机不同，非自主无人机执行任务时的执行决策（如目标识别与分配、武器投放、任务变更等）是由地面操作员完成的，在这种运行机制下，操作员智能进行近实时的决策。自主控制意味着不需要人的干预，必须建立以在线态势感知为中心的实时自主决策能力。无人机任务管理能力和机载控制系统的在线感知和可变自主权控制能力将是无人机自主任务成败的关键。
无人机在线态势感知的重点问题之一在于如何实现不确定条件下信息的快速获取与处理，从而实现飞行中再规划，也就是当接收到新的信息以及发生了非预见的事件时如何实时最优地更新预先制定的计划和导引策略，以应对数据链缺失、实时威胁以及复杂的故障和损伤等控制站无法实时干预的紧急情况。
5、自主着陆控制技术
对于自主飞行的无人机而言，安全着陆是一个很困难的问题。由于着陆阶段飞行高度低，所以对飞行安全的要求也最高，尤其是在终端接近时，无人机必须高精度保持所有状态直到准确地在一个规定的点上接地。着陆设计的问题主要包括无人机的定位导引与制导控制两个方面。而且在与外界数据通信链断开的情况下，无人机需要资助完成安全着陆。因此高精度的距离和位置测量设备是无人机能够正常降落的保证。
采用类似有人驾驶飞机的方式进行自主着陆是无人机的发展趋势，其中精确的控制率设计对于无人机的安全着陆也必不可少。即使发生多起故障、存在严重扰动以及飞机动态数据存在不确定性的情况下，仍能在误差容许的范围使无人机安全着陆。
6、UCAV及多UAV协同中的自主控制
无人机的自主能力在其执行作战或协同任务时显得尤为重要。无人作战飞机（Unmanned Combat Aerial Vehicles UCAV）面临的作战任务复杂、态势变化快、不确定因素多，无人作战飞机必须自主完成对目标的探测、识别，制定诸如目标分配、战术规划和机动决策等攻击决策，无人作战飞机的指挥控制系统应是具有驻留性、反应性、社会性，因此要求其能在快速全面感知环境的基础上实时做出决策。
多无人机协同时将一组不同位置、不同价值、不同威胁程度的目标合理地分配给类型、价值和战斗力都不同的无人机，已达到整体作战效能最大、代价最小的目的。协同的前提条件是无人机平台间的通信和信息共享，无人机平台之间信息是高度分布的，无人机平台的运动以及通信拓扑的变化，以最小信息流为基础的多平台分散协调控制系统结构。
多无人机协同搜索也是多UAV协同控制的一个重要研究内容，多架UAV同时对一个不确定区域进行搜索，目的在于更快速、全面地获取搜索趋于的信息，降低环境的未知性。协同工作时考虑不同UAV飞行和探测传感器的约束，在不确定环境中采用协同自主控制的方法，从而达到整体任务效能的优化。
图4 分散化多机协同控制系统结构
就像前面说的，无人机集群控制方面如果能和当下AI智能有效结合，将对无人机集群方面的研究有更深层次的提升，创造出更多的可能性。现在也有一些企业为了助力无人机集群研究发展，有针对性的开发了无人机集群研发平台，帮助科研人员更快速、更系统的投入无人机集群研究。
已经开发好的集群研发平台，应用方面包涵全面,可用于无人系统的动态建模和控制研究、运动规划、避障控制、多信息融合、编队控制、多智能体协调控制、无人系统自主控制等。
而且优势突出，紧跟当下研究热点：
1、兼容多种定位系统
兼容的定位系统丰富，涵盖目前主流的室内外定位方式。可提供光学定位系统、UWB定位系统、激光定位系统、GPS、RTK等多种定位平台，定位系统覆盖面积可根据客户要求定制。
2、无人系统平台丰富多样
室内无人控制平台可提供无人机和无人车等多种无人控制平台，无人机平台可以根据需求集成光流、激光定高，差分GPS等传感器，实现在室内和室外的精确定位，导航和控制；无人车支持激光雷达和双目相机等传感器，可以根据客户的需求选配。为了便于客户的进一步开发，提供了无人控制平台相关的二次开发接口。
3、开发环境多元化
平台接口丰富、开放性强，用户不需要掌握太多的底层编程技术即可完成算法的修改和验证。支持C、C++、Python、ROS、Matlab/Simulink等多种编程环境，提供完善的二次开发接口。
4、支持多种集群通信系统
支持WIFI、数传、等多种集群通讯方式。
5、例程丰富，讲解详细，快速上手
提供无人机编队飞圆形、空间8字、空间螺旋，队形变换，从跟随、空地协同等无人机编队例程。无人机和无人车之间的协同，如无人机车载起降和跟随等例程。这些例程完全开源。多种视频教程由浅入深地为用户讲解实验的原理、步骤、目标等，并附有相应的配套例程代码，方便用户快速掌握、理解。
7、可定制化支撑
平台开放性高，接口丰富。可以很方便地进行二次开发。还可根据用户的实际需求定制整个系统平台，并提供相应的技术支撑和详细的例程和说明书指导。满足用户的个性化和差异化需求，使平台更加契合用户的使用特点和习惯，提升体验感和交互率，减少用户熟悉平台的时间成本，大大提高用户的开发效率和体验。
8、可以配套仿真平台
可以配套无人系统仿真研发平台。集群研发平台所有的例程都可以在仿真平台中模拟仿真。可以软件在环仿真，硬件在环仿真，实现仿真和实物开发有机结合。可以在实测之前通过仿真测试验证算法的可靠性和有效性，然后无缝切换到本集群研发平台。大大提高研发效率。
自主控制意味着能在线感知形势，并按确定的使命、原则在飞行中进行决策并自主执行任务。自主控制的挑战就是在不确定性的条件下，实时或近实时地解决一系列最优化的求解问题，并且不需要人的干预，在根本上，它需要建立不确定性前提下处理复杂问题的自主决策能力。人工智能(AI) 是解决UAV自主控制问题的重要手段，自主控制水平的高低也依赖于智能技术的发展。当然，可获得信息的完整和准确程度对AI系统感知形势、解释环境和做出反应的能力和效果有很大影响。
飞思实验室
让无人智能科研更简单
以上是关于苏黎世大学研发的AI神经网络算法，将对无人机集群控制飞行有何影响的主要内容，如果未能解决你的问题，请参考以下文章
清华大学课题组联合美团研发无人机声波定位技术获ACM SenSys顶会大奖
清华大学课题组联合美团研发无人机声波定位技术获ACM SenSys顶会大奖