UEDBET西甲赫塔菲 1

多旋翼无人机的顺利着陆是很困难的。复杂的湍流是由每个旋翼的气流产生的,当地面在下降过程中变得越来越近时,每个旋转的轮子都会从地面上反弹一些气流。工程师们觉得这件事很难解决,特别是对自主无人机而言。这就是为什么起飞和着陆往往是无人机飞行中最棘手的两个部分。无人机通常向着陆方向缓慢摆动,缓慢前进,直到最终切断电源。

UEDBET西甲赫塔菲 2

UEDBET西甲赫塔菲 ,平稳着陆多旋翼无人机很困难。随着地面在下降过程中越来越近,每个转子的气流从地面反弹,产生复杂的湍流。这种湍流不是很好理解,也不容易补偿,特别是对于自主无人机。这就是为什么起飞和降落通常是无人机飞行中最棘手的部分。无人机通常会摇晃并缓慢地朝向着陆,直到最后切断电源,并且它们将剩余的距离降低到地面。

UEDBET西甲赫塔菲 3

11月26日,美国宇航局的InSight任务知道宇宙飞船降落在火星上81英里长(130公里长)的着陆椭圆内。现在,该团队使用来自另一个NASA太空船Mars Reconnaissance Orbiter(MRO)的强大相机HiRISE的图像精确定位了InSight的确切位置。

该种类选择深度神经互联网扶植自己作主无人驾驶飞机,那就是干吗起飞和着陆往往是无人驾驶飞机飞行中最讨厌的七个部分。在加州理工学院的自主系统和技术中心(CAST),人工智能专家与控制专家合作开发了一个系统,该系统使用深度神经网络帮助自主无人机 学习如何更安全,更快地着陆,同时减少吞噬量功率。他们创建的系统被称为神经着陆器,它是一种基于学习的控制器,可跟踪无人机的位置和速度,并相应地修改其着陆轨迹和转子速度,以实现最平稳的着陆。

在加州理工学院的自主系统和技术中心CAST,人工智能专家与控制专家合作开发了一个系统,该系统使用深度神经网络帮助自主无人机“学习”如何更安全、更快地着陆,同时消耗更少的能量。他们创建的系统叫做“神经着陆技术”,是一种基于学习的辅助控制器,它跟踪无人机的位置和速度,并相应地修改着陆轨迹和旋转速度,以实现最平稳的着陆。

InSight着陆器,其隔热罩和降落伞由HiRISE(代表高分辨率成像科学实验)于上周12月6日和12月11日星期二在一组图像中发现。着陆器,隔热罩和降落伞在极乐世界(Elysium Planitia)上相距1000英尺(几百米),这片平坦的熔岩平原被选为InSight的着陆点。

这个项目有可能帮助无人机飞行更加平稳和安全,特别是在阵风不可预测的情况下,并且随着无人机可以更快地着陆而消耗更少的电池电量,航空航天的Bren教授Soon-Jo Chung说。加州理工学院为NASA管理的JPL工程与应用科学系(EAS)和研究科学家。该项目由Chung和Caltech人工智能(AI)专家Anima Anandkumar,计算和数学科学Bren教授以及计算和数学科学助理教授Yisong Yue合作完成。

5月22日,本次参与研究的科学家和工程师们将在电子工程师学会IEEE机器人自动化国际会议上发表一篇关于神经着陆技术的论文。

这不是HiRISE第一次拍摄火星着陆器。InSight主要基于2008年的凤凰号太空船,MRO上的摄像机拍摄在火星表面,并降落在降落伞上。虽然亚利桑那大学的HiRISE团队也尝试在着陆期间拍摄InSight的图像,但是MRO处于一个不太合适的角度,并且无法拍出好照片。

5月22日,电气和电子工程师协会(IEEE)机器人与自动化国际会议上发表了一篇描述神经着陆器的论文。该论文的共同主要作者是加州理工学院的研究生石冠亚,他的博士学位。研究由Chung和Yue以及Xichen Shi和Michael OConnell共同监督,他们是Chung航空机器人和控制组的博士生。

深层神经网络DNNs是受大脑等生物系统启发的人工智能系统。名称中的“深度”部分是指数据输入是通过多个层来转换的,每个层都以不同的方式处理传入的信息,以梳理出越来越复杂的细节。DNNs能够自动学习,这使得它们非常适合于重复任务。

关于InSight

深度神经网络(DNN)是受大脑等生物系统启发的AI系统。名称的深层部分指的是数据输入通过多个层进行搅拌的事实,每个层以不同的方式处理传入的信息以梳理出越来越复杂的细节。DNN能够自动学习,这使它们非常适合重复性任务。

为了确保无人机在DNN的指导下平稳飞行,该小组采用了一种称为光谱归一化的技术,它平滑了神经网络的输出,通过测量三维空间中偏离理想轨道的偏差来测量着陆的改进。进行了三种类型的试验:直线垂直着陆,下降弧形着陆,以及无人机掠过破碎表面的飞行。

JPL为NASA的科学使命理事会管理InSight。InSight是美国宇航局发现计划的一部分,由该机构位于阿拉巴马州亨茨维尔的马歇尔太空飞行中心管理。丹佛的洛克希德马丁太空公司制造了InSight太空船,包括巡航级和着陆器,并支持飞行任务。

为了确保无人机在DNN的指导下顺利飞行,该团队采用了一种称为光谱归一化的技术,该技术可以平滑神经网络的输出,因此当输入或条件发生变化时,它不会产生大幅变化的预测。通过检查三维空间中理想化轨迹的偏差来测量着陆的改进。进行了三种类型的测试:直线垂直着陆; 下降弧着陆; 和无人机在一个破碎的表面上掠过的飞行 - 例如在桌子边缘 - 地面湍流的影响会急剧变化。

包括法国国家空间中心(CNES)和德国航空航天中心(DLR)在内的许多欧洲合作伙伴正在支持InSight的使命。法国国家空间研究中心和巴黎地球物理研究所(IPGP)提供了内部结构地震实验(SEIS)仪器,德国马克斯普朗克太阳系研究所(MPS),瑞士理工学院(ETH)作出了重大贡献。 )在瑞士,英国帝国理工学院和英国牛津大学,以及JPL。DLR提供了热流和物理性质包(HP3)仪器,并得到了波兰科学院空间研究中心(CBK)和波兰Astronika的重要贡献。西班牙的CentrodeAstrobiologa(CAB)提供了风传感器。

新系统将垂直误差降低100%,允许控制着陆,并将横向漂移降低多达90%。在他们的实验中,新系统实现了实际着陆,而不是像地面上的10到15厘米那样被卡住,正如未经修改的传统飞行控制器经常那样。此外,在略读测试期间,神经着陆器产生了更平滑的过渡,因为无人机从掠过桌子过渡到超出边缘的自由空间中飞行。

亚利桑那大学图森分校经营的HiRISE由科罗拉多州博尔德的Ball AerospaceTechnologies公司制造。美国宇航局的喷气推进实验室是加利福尼亚州帕萨迪纳市加州理工学院的一个部门,为华盛顿的美国宇航局科学任务理事会管理火星勘测轨道器项目。

由于误差较小,神经着陆器能够更快,更平稳地着陆并在地面上平滑滑行,Yue说。新系统在CAST三层高的机场进行了测试,可以模拟几乎无限的各种户外风况。CAST开放于2018年,占地10,000平方英尺,EAS,JPL和加州理工学院地质和行星科学部的研究人员正在联合创建下一代自治系统,同时推进无人机研究,自主探测,和生物启发系统。

这项跨学科的努力带来了机器学习和控制系统的专家。我们几乎没有开始探索这两个领域之间的丰富联系,Anandkumar说。

除了明显的商业应用之外,Chung和他的同事们已经为新系统申请了专利 - 新系统对CAST目前正在开发的项目至关重要,包括可以在难以到达的地方降落的自主医疗运输(如作为一个堵塞的交通)。运送受伤人员时能够迅速平稳降落的重要性不容小觑,Morteza Gharib,Hans W. Liepmann航空与生物工程教授教授说道。CAST主任; 和空中救护项目的主要研究人员之一。