瑞士蘇黎世大學（University of Zurich，UZH）研發(fā)出了一種DroNet算法，使無人機能夠沿著城市街道或在建筑物內飛行，該算法還需要通過騎行者及汽車駕駛員學習駕駛用例及相關的交通法規(guī)。

由瑞士蘇黎世大學研究人員開發(fā)的DroNet算法使無人機能夠在城市街道上和室內環(huán)境中完全自主飛行。另外，該算法必須學習交通規(guī)則，通過騎行者及汽車駕駛員學習駕駛用例。

今天所有的商用無人機都使用GPS，它在建筑屋頂和高海拔地區(qū)表現很好。但是，當無人機必須在高樓之間或密集、無組織的城市街道上，有汽車、騎自行車的人或行人突然橫穿馬路的狀況下自主航行的時候，會發(fā)生什么呢？到目前為止，商用無人機還不能對這些不可預見的狀況做出快速反應。

蘇黎世大學及瑞士國家機器人能力研究中心（National Centre of Competence Research in RoboTIcs）的研究人員開發(fā)了DroNet算法，該算法可以安全地在城市街道上駕駛無人機。它被設計為一個快速的8層剩余網絡，為每一個輸入圖像生成兩張輸出圖：一個轉向角度，讓無人機在避開障礙物的同時保持導航；另一個是碰撞概率，讓無人機能夠識別危險情況并對其做出及時反應。蘇黎世大學機器人與感知教授戴維·斯卡拉穆扎（DavideScaramuzza）說，“DroNet可以識別靜態(tài)和動態(tài)的障礙物，并且可以減速以避免撞上它們。通過這個算法，我們在自主導航無人機融入人類日常生活方面向前邁出了一步”。

瑞士研究人員研發(fā)的無人機不再依賴復雜的傳感器，而是使用普通攝像頭，就像智能手機攝像頭一樣，使用一種非常強大的人工智能算法來評估它觀察到的場景，并做出相應的反應。該算法由所謂的深度神經網絡組成。斯卡拉穆扎教授說，“這是一種計算機算法，它利用一組“訓練用例”學習解決復雜的任務，這些例子向我們展示了無人機如何工作，以及如何應對一些困難情況，就像孩子從父母或老師那里學習一樣”。

深度學習中最大的挑戰(zhàn)之一是收集數千個這類“訓練用例”。為了獲得足夠的數據來訓練他們的算法，斯卡拉穆扎教授和他的團隊從城市環(huán)境中駕駛的汽車和自行車中收集數據。通過模擬訓練，無人機學會遵守安全規(guī)則，比如“如何沿著馬路行駛而不進入對面車道”，以及“當行人、建筑施工或其他車輛等障礙物堵塞時如何停止?！备腥さ氖?，研究人員表明，他們的無人機不僅學會了在城市街道上航行，而且還學會了在完全不同的、且從未學習過的環(huán)境中航行。的確，無人機學會了在室內環(huán)境中自主飛行，比如停車場和辦公室走廊。

這項研究為在混亂的城市街道進行監(jiān)視或包裹運送以及在受災的城市地區(qū)進行救援行動開辟了可能性。盡管如此，研究團隊也提出了警告，對于這款輕量級、低成本的無人機不能抱有過高的期望。一位博士生說：“在最雄心勃勃的應用成為現實之前，還必須克服許多技術問題。”