腾讯数码讯（佳和）无人机及其组件变得越来越小，效率更高，功能更强，有许多人都在研究，想让无人机在半结构化环境中自动飞行，不需要依赖外部定位技术。宾夕法尼亚大学在这方面取得了重要进步，研究是DARPA部门“Fast Lightweight Autonomy”项目的一部分。
在过去几年里，NASA喷气推进实验室（Jet Propulsion Laboratory，简称JPL）一直在开发小型无人机自主技术，项目得到的谷歌的资助。研究人员主要关注“高速动态操纵”技术，也就是说让无人机用嵌入式硬件在室内赛道内以尽可能快的速度飞行。在最终演示过程中，JPL让自主无人机与专业无人机竞赛玩家控制的无人机对决，穿过充满障碍物的赛道。
这是一架AI无人机，完全自主飞行，换言之，无人机不需要外部定位技术，也不需要用外置计算机控制。AI无人机用高通骁龙Flight主板对飞机进行实时控制。无人机安装了两个广角摄像头，可以自己为路线绘制3D地图。一个摄像头指向前方，一个指向后方，视野角度超过250度，视野一直会保持水平状态。两个摄像头绘制出深度地图，在飞行过程中，摄像头和IMU（惯性测量单元）帮助无人机在地图中定位，完成视觉惯性测距，追踪动作。
虽然无人机的飞行时速可以超过120公里，不过JPL的仓库不够大，无法让无人机高速飞行。赛道极为复杂，肯恩o卢（Ken Loo）是一名职业无人机竞赛玩家，他也觉得很难，因为赛道很复杂，精神会承受很大压力。当肯恩o卢熟悉赛道之后，他可以在平均11秒多的时间内跑完全程，无人机花的时间平均长3秒。为什么会出现时间上的差异呢？主要是因为自主无人机飞行时更顺畅、更平稳，每一圈的时间几乎都是一样的，而肯恩o卢不一样，他操纵的无人机加速减速都更快，可以对飞行进行动态监督，不断寻找捷径，自主系统做不到。
JPL管理人员罗勃o雷德（Rob Reid）负责该项目，2015年，他曾开发过微型机器人太空刺猬。IEEE最近采访了雷德，讨论了AI无人机如何无法战胜人类的问题，以及JPL准备如何反击，战胜人类。
IEEE：这是一次演示比赛，JPL在无人机自主研究方面做了哪些工作，最终才能让AI无人机参加比赛呢？
雷德：几十年来，JPL一直在为航天器、无人机开发摄像头导航技术。自2013年以来，我们与谷歌在Project Tango上展开合作，在过去2年里，JPL将Tango技术放进无人机，用来验证新颖的导航算法。团队还在研究轨迹优化技术，它可以处理气体力学、摄像头动态模糊方面的问题。
IEEE：为什么无人机竞赛是展示技术进步的好选择？
雷德：我们的目标是证明无人机可以在充满障碍的环境中拥有超高自主飞行能力，室内无人机竞赛的赛道很复杂，有许多障碍物，而且无人机必须快速穿过障碍物，这也是一个原因。
IEEE：你们有没有预料到人类会获胜？
雷德：结果并不意外，我们深信自己的无人机系统会变得很有竞争力，无人机和人都要学习，用尽可能快的速度优化轨迹，到底谁的学习更快呢？我们并不知道。飞了一个下午，肯恩o卢将单圈时间缩短了几秒，比算法进步更快。在随后的几周里，我们对优化技术进行了调整。
IEEE：无人机在导航时碰到了哪些硬件障碍？它对比赛的成绩造成怎样的影响？
雷德：在室内飞行时，最大的限制来自于嵌入式摄像头，我们用它追踪无人机动作，但是摄像头的快门速度不够快，无人机飞得太快，太接近地面，或者翻滚、倾斜太快了，导致图像模糊，无人机迷路。我们用两种办法解决这个问题：第一种办法，安装两个广角摄像头，一个向前，一个向后，可视角度大于250度，无人机的视野保持水平状态；第二种方法，我会调整轨迹，对自转速率、速度重量比进行限制。
IEEE：在结构化环境内，还要等多久无人机才能与人类专业操纵者一争高下？
雷德：如果是一般的无人机竞赛，硬件已经可以打败人类专业玩家了。不过我们无法在夜间比赛，如果赛道许多地方出现视觉重复，也没有办法应付。
IEEE：你们会不会继续推进该项目？或者说，未来我们可以保持怎样的期待？
雷德：工作会继续，下一步如何推进？很遗憾，我不能透露太多。不过你可以保持期待，未来会有更先进的无人机亮相，它们可以感知障碍物，通过网络更新轨迹。
结语：
无人机机器人技术正在快速进化，比如基于事件的摄像头可以缓解图像模糊问题，让飞行更灵动。雷德说得没错，无人机硬件将会超越人类，机器人的挑战主要来自软件，不是硬件，大多数情况下都是这样的，只有极少数例外。话虽如此，并不意味着问题更容易解决，让我们对JPL无人机保持期待吧。a
