商用無人機使用GPS系統(tǒng)導(dǎo)航，在建筑屋頂之上或高空中的運行并不成問題，但當(dāng)無人機必須在低空自行在建筑間穿梭，或者突然闖進密集非結(jié)構(gòu)化的城市街道、汽車、自行車、或行人間穿越時，并不具對突發(fā)事件的快速反應(yīng)能力。

瑞士蘇黎世大學(xué)(Universitat Zurich；UZH)研究人員與美國國家科學(xué)研究中心(NCCR)機器人研究中心研發(fā)了DroNet算法，設(shè)計了深度神經(jīng)網(wǎng)絡(luò)，為每張無人機捕捉到的圖象都提供轉(zhuǎn)向角，以保持無人機在閃避障礙物時的導(dǎo)航，以及碰撞機率，以讓無人機判別危險程度并實時作出反應(yīng)。

UZH研究團隊教授Davide Scaramuzza表示，DroNet讓無人機可判別靜態(tài)和動態(tài)的障礙，進而放緩速度以避免撞擊。值得一提的是，UZH團隊開發(fā)的無人機并不仰賴先進的傳感器，而是使用普通的攝影機，就像每支手機上一樣，但該團隊開發(fā)非常強大的人工智能算法來解釋無人機觀察到的場景，并作出相應(yīng)的反應(yīng)。

深度學(xué)習(xí)最困難的挑戰(zhàn)之一就是必須搜集數(shù)千個訓(xùn)練案例。研究團隊為了獲得足夠的案例來訓(xùn)練DroNet算法，從城市環(huán)境中的動態(tài)汽車和自行車收集數(shù)據(jù)，透過訓(xùn)練，無人機已自動學(xué)會了遵守交通規(guī)則，例如「如何沿車道行進而不充入對向車道」、「當(dāng)行人、建筑物或其它車輛等障礙物擋在面前時如何停止」等。

更有趣的是，研究團隊發(fā)現(xiàn)他們的無人機不僅學(xué)會在城市街道間穿梭，且自主學(xué)會了在室內(nèi)環(huán)境飛行，如停車場或辦公室的走廊等，而研究團隊從未訓(xùn)練算法這么做。這項技術(shù)仍有許多技術(shù)性問題須克服。盡管如此，這項研究也為城市街道監(jiān)控、包裹運送、災(zāi)區(qū)救援行動提供潛力。