人类仍然统治着无人机比赛，但 NASA 的人工智能飞行员可能会改变这一现状

10 月份，在加州的一个仓库里，四轴飞行器在黑白格子拱门组成的障碍赛道上疾驰而过。一支队伍的无人机由软件和人工智能控制，这是 NASA 喷气推进实验室团队的杰作。另一支队伍的无人机由人类专业人士 Ken Loo 操控，他是谷歌工程师和无人机竞速联盟的飞行员。

官方结果如何？实打实的得分。人类驾驶的无人机更快完成了比赛，平均比软件驱动的无人机快两秒多。

比赛凸显了人类和机器在此类情况下学习的不同方式，以及人工智能无人机的工作原理。以下是该系统的工作原理——以及为什么未来的比赛可能会有截然不同的结果。

无人机如何知道自己的位置

为了使 NASA 无人机能够顺利绕着航线飞行，设备需要知道它们在太空中的位置。为此，它们使用两个机载摄像头——一个向前看，另一个向下看，这是中高级消费级无人机的常见设置。其他机载传感器测量无人机的加速度和旋转。在室外飞行的无人机可以使用 GPS，但在室内复杂环境中以 30 到 40 英里/小时的速度飞行时，GPS 不是一个选择。

无人机还需要一张机载三维地图，以便能够将摄像头拍摄到的图像与内部地图进行匹配，从而知道自己的实际位置。这个过程被称为重新定位。喷气推进实验室的项目负责人罗伯特·里德说，无人机每秒可以重新定位多达几次。

他说：“只要你足够靠近现有地图，我们就不太可能坠毁。”

在这项研究中（由谷歌资助），NASA 团队使用了谷歌 Tango 的技术，这是一个增强现实平台，可在两款智能手机上运行，​​分别是联想 Phab 2 Pro 和华硕 ZenFone AR。至关重要的是，同样的技术还可以创建无人机在这种情况下飞行所需的三维地图。

如何导航

就像赛车手学习赛道一样，无人机需要知道最佳路线，以便快速到达目的地。“我们要么手提无人机绕赛道飞行，要么手动飞行，”里德说，“这样我们就可以告诉无人机赛道在哪里。”

但这仅仅是个开始。之后，团队通过计算机建模找出无人机的最佳飞行路线。这个过程允许人类参与，并确保飞行路线是安全的，可以保证昂贵的无人机完好无损。换句话说，在这次比赛中，无人机并不是靠自己找到最佳飞行路线，而是需要人类参与。从这个意义上说，它不是一个真正的、独立的人工智能系统，就像那些自动为 Facebook 上的语言翻译提供动力的系统一样。

之后，无人机在设定好路线后，就可以开始比赛了。里德强调，虽然路线规划实际上是在无人机之外进行的，但未来可能只使用无人机的机载计算机即可完成。

学习飞行

对于 10 月份的正式比赛，NASA 团队和 Loo 都必须在几个小时内学习新路线并做好准备。但人类和人工智能无人机实际完成这项工作的方式有所不同。

里德说，卢通过多次飞行这条航线很快学会了飞行。但 NASA 团队的做法不同。“我们只需要飞行一次，然后就可以坐在那里花几个小时计算数字，以便做得更好，”他说。有趣的是，优化过程（使用算法找出最佳路线）花费了大量时间。

“人类飞行员必须通过飞行来学习，而我们可以记录下来，甚至无需驾驶无人机就能学习，”里德说。

如果 NASA 团队当天有更多时间运行软件并找出最佳路线，那么最终的比赛时间可能会有所不同——人工智能无人机可能会击败人类。

里德表示，他们正在努力提高算法的效率，以便将来能够用更少的时间来计算最快路线。之后，比赛就开始了。请记住：与人不同，软件不会感到疲倦。