如何教机器人即兴发挥

自动驾驶无人机已经发展到足以降落在移动的航空母舰上，但如果在飞行途中遇到一棵树，无人机就会坠毁。现在，一个由五所大学组成的小组，包括生物学、计算机视觉和机器人学专家，正在尝试教无人机在飞行中躲避障碍物。科学家们利用海军研究办公室提供的 750 万美元，旨在制造一架自动固定翼侦察无人机，能够以每小时 35 英里的速度穿越陌生的城市或森林。

该团队的灵感来自鸽子。鸽子体格健壮、数量众多、易于训练，因此很容易研究。在飞行过程中，它们通过快速处理模糊、低分辨率的图像来估计自己与前方物体之间的距离，就像无人机需要做的那样。而且，至关重要的是，它们倾向于在最后一刻做出决定——距离障碍物不到五英尺。

第一步是教会机器人区分障碍物和空旷的空间。工程师们已经想出了如何训练傻瓜相机识别照片中的人脸：在一个称为监督学习的过程中，技术人员将数百万张图像输入计算机，并告诉它在图像包含人脸时输出“1”，在不包含人脸时输出“0”。但这种监督学习方式训练无人机的劳动密集型方式是不可能的。人类不仅要标记人脸，还要标记机器人可能遇到的每个物体。相反，领导无人机视觉团队的纽约大学计算机和神经科学教授 Yann LeCun 正在开发一种软​​件，让无人机能够在更少的人为指导下对其看到的东西得出结论。通过模仿大脑视觉皮层用于对物体进行分类的超高效并行处理方法，该软件能够更快地从原始视频帧中提取特征。因此，无人机的人类教练只需要向它展示每个类别物体（“汽车”、“树木”、“草”）的几百到几千个示例，它就可以开始自行对这些物体进行分类。

第一步是教会机器人区分障碍物和空旷的空间。研究人员教会无人机看东西后，他们还需要教会它做决定。这涉及到解决视觉数据固有的模糊性问题——判断前方的像素图案是树枝还是阴影。卡内基梅隆大学的机器人专家德鲁·巴格内尔和马夏尔·赫伯特正在开发算法，帮助机器人像人类一样处理视觉模糊性：通过有根据的猜测。“它们可以说，‘我百分之九十九确定 12 米到 13 米外有一棵树’，然后做出决定，”巴格内尔说。

做出这些决定需要大量的计算能力。无人机必须每秒处理 30 张图像，同时考虑下一步行动。LeCun 表示，能够以每秒一万亿次操作运行其算法的处理器可以完成这项工作，但挑战在于将所有功率集成到足够轻便、足够高效的计算机中，以便飞行。最佳候选者是 LeCun 与普渡大学的 Eugenio Culurciello 共同开发的处理器：一种名为 NeuFlow 的低功耗计算机，大小与 DVD 盒相当，LeCun 有信心在 2015 年该小组的最后期限前将其速度提高到每秒一万亿次操作。

一旦他们制造出能够快速学习、观察和做出决定以避开障碍物的机器人，他们仍然需要教它飞行。麻省理工学院的机器人专家 Russ Tedrake 已经在使用动作捕捉摄像机和最终无人机的全尺寸原型来模拟它需要执行的动作。如果该团队成功了，结果将是一个可以下降到森林中并摆脱当今树上无人机的机器人。

过滤世界

当无人机飞行时，其机载摄像头会将视频传送给软件，该软件会对每一帧图像应用一系列过滤器。第一个过滤器会在小像素组中拾取模式，这些模式表示边缘等简单特征。接下来，另一系列过滤器会寻找更大的模式，从单个像素到物体再到复杂的视觉场景。在百分之一秒内，软件会构建出前方场景的低分辨率地图。最后，它会将视野中的物体与它之前“见过”的物体进行比较，一旦它有足够的信息做出有根据的猜测，就会对它们进行分类。

安德鲁·罗森布鲁姆 (Andrew Rosenblum) 在 4 月刊上撰写了一篇关于扑灭飞机燃油火灾的卡车的文章。他住在加利福尼亚州奥克兰。