平穩(wěn)著陸多旋翼無人機很困難。隨著地面在下降過程中越來越近，每個轉子的氣流從地面反彈，產生復雜的湍流。這種湍流不是很好理解，也不容易補償，特別是對于自主無人機。這就是為什么起飛和降落通常是無人機飛行中最棘手的部分。無人機通常會搖晃并緩慢地朝向著陸，直到最后切斷電源，并且它們將剩余的距離降低到地面。

　　在 加州理工學院的自主系統(tǒng)和技術中心 （CAST），人工智能專家與控制專家合作開發(fā)了一個系統(tǒng)，該系統(tǒng)使用深度神經網絡幫助自主無人機“學習”如何更安全，更快地著陸，同時減少吞噬量功率。

　　他們創(chuàng)建的系統(tǒng)被稱為“神經著陸器”，它是一種基于學習的控制器，可跟蹤無人機的位置和速度，并相應地修改其著陸軌跡和轉子速度，以實現(xiàn)最平穩(wěn)的著陸。

　　“這個項目有可能幫助無人機飛行更加平穩(wěn)和安全，特別是在陣風不可預測的情況下，并且隨著無人機可以更快地著陸而消耗更少的電池電量，” 航空航天的Bren教授Soon-Jo Chung說 。加州理工學院為NASA管理的JPL工程與應用科學系（EAS）和研究科學家。該項目由Chung和Caltech人工智能（AI）專家 Anima Anandkumar，計算和數學科學Bren教授以及計算和數學科學 助理教授Yisong Yue合作完成。

　　5月22日，電氣和電子工程師協(xié)會（IEEE）機器人與自動化國際會議上發(fā)表了一篇描述神經著陸器的論文。該論文的共同主要作者是加州理工學院的研究生姜冠亞，他的博士研究由他們共同監(jiān)督。 Chung和Yue，以及Xichen Shi和Michael O‘Connell，他們是Chung航空機器人和控制組的博士生。

　　深度神經網絡（DNN）是受大腦等生物系統(tǒng)啟發(fā)的AI系統(tǒng)。名稱的“深層”部分指的是數據輸入通過多個層進行攪拌的事實，每個層以不同的方式處理傳入的信息以梳理出越來越復雜的細節(jié)。DNN能夠自動學習，這使它們非常適合重復性任務。

　　為了確保無人機在DNN的指導下順利飛行，該團隊采用了一種稱為光譜歸一化的技術，該技術可以平滑神經網絡的輸出，因此當輸入或條件發(fā)生變化時，它不會產生大幅變化的預測。通過檢查3D空間中理想化軌跡的偏差來測量著陸的改進。進行了三種類型的測試：直線垂直著陸; 下降弧著陸; 和無人機在一個破碎的表面上掠過的飛行 - 例如在桌子邊緣 - 地面湍流的影響會急劇變化。

　　新系統(tǒng)將垂直誤差降低100%，允許控制著陸，并將橫向漂移降低多達90%。在他們的實驗中，新系統(tǒng)實現(xiàn)了實際著陸，而不是像地面上的10到15厘米那樣被卡住，正如未經修改的傳統(tǒng)飛行控制器經常那樣。此外，在略讀測試期間，神經著陸器產生了更平滑的過渡，因為無人機從掠過桌子過渡到超出邊緣的自由空間中飛行。

　　“由于誤差較小，神經著陸器能夠更快，更平穩(wěn)地著陸并在地面上平滑滑行，”Yue說。新系統(tǒng)在CAST三層高的機場進行了測試，可以模擬幾乎無限的各種戶外風況。 CAST 開放于2018年，占地10，000平方英尺，EAS，JPL和加州理工學院地質和行星科學部的研究人員正在聯(lián)合創(chuàng)建下一代自治系統(tǒng)，同時推進無人機研究，自主探測，和生物啟發(fā)系統(tǒng)。

　　“這種跨學科的努力帶來了機器學習和控制系統(tǒng)的專家。我們幾乎沒有開始探索這兩個領域之間的豐富聯(lián)系，“Anandkumar說。

　　除了明顯的商業(yè)應用之外，Chung和他的同事們已經為新系統(tǒng)申請了專利 - 新系統(tǒng)對CAST目前正在開發(fā)的項目至關重要，包括 可以在難以到達的地方降落的 自主醫(yī)療運輸（如作為一個堵塞的交通）。“運送受傷人員時能夠迅速平穩(wěn)降落的重要性不容小覷，” Morteza Gharib，Hans W. Liepmann航空與生物工程教授教授說道。CAST主任; 和空中救護項目的主要研究人員之一。