無人機在復(fù)雜環(huán)境中不怕迷失方向了,迅速找到目標(biāo)!
北航劉偲教授團隊提出高低無人機協(xié)同導(dǎo)航新范式,兩臺無人機分工配合:高空無人機作為“全景指揮官”,負責(zé)全局感知與推理;低空無人機作為“地面?zhèn)刹靻T”,執(zhí)行精細導(dǎo)航與目標(biāo)搜索,兩者協(xié)同快速找到目標(biāo)。
話不多說,來看實例。想讓無人機“去湖邊指定房子附近找到那輛停在樹下的汽車”,單臺無人機要么飛得太高,看不到樹下的汽車;要么飛得太低,顧不上房子、湖泊這些宏觀地標(biāo)。單臺無人機在復(fù)雜環(huán)境中容易迷失方向,但當(dāng)高低空無人機協(xié)同作戰(zhàn),就能快速找到目標(biāo):
如下三張圖分別從“前視圖、高低無人機軌跡、概率預(yù)測圖”角度,展示此方案如何工作:
像找小狗這樣的小型目標(biāo),也能快速配合完成定位:
若目標(biāo)物標(biāo)有特定字母、文字描述也可精準(zhǔn)匹配:
依據(jù)目標(biāo)人物周邊環(huán)境的細節(jié)特征,也能完成精準(zhǔn)識別:
為支持該任務(wù),團隊基于UAV-Need-Help構(gòu)建了HaL-13k數(shù)據(jù)集,并設(shè)計了協(xié)作框架AeroDuo。他們在Openuav仿真環(huán)境對AeroDuo測評,驗證了其高低協(xié)同在環(huán)境覆蓋、導(dǎo)航精度與自主性之間的有效平衡。
團隊表示,本文研究成果將發(fā)表于ACMMM2025。以下是更多細節(jié)。
數(shù)據(jù)集構(gòu)建
考慮到UAV-Need-Help數(shù)據(jù)集中僅包含單無人機信息,研究團隊在此基礎(chǔ)上補充采集了高空無人機的軌跡與感知數(shù)據(jù),并優(yōu)化部分原始軌跡,構(gòu)建出HaL-13k數(shù)據(jù)集。數(shù)據(jù)集構(gòu)建示意圖如下:
高空無人機規(guī)劃策略
為提升高低無人機系統(tǒng)的感知與決策能力,研究團隊構(gòu)建了多模態(tài)統(tǒng)一框架Pilot-LLM,利用大語言模型進行多模態(tài)推理。
其中,為了更好地整合高空無人機歷史信息,研究團隊提出全局地圖構(gòu)建模塊,通過正射投影消除畸變,并拼接歷史圖像生成統(tǒng)一坐標(biāo)系下的地圖,提升環(huán)境理解與目標(biāo)定位能力。
此外,為避免精確坐標(biāo)預(yù)測誤差,采用輕量解碼器生成目標(biāo)概率分布圖,兼顧探索能力與空間建模效果。
低空無人機導(dǎo)航搜尋策略
低空無人機采用三階段導(dǎo)航搜索策略:首先,根據(jù)高空無人機的預(yù)測概率圖選取高置信度區(qū)域的質(zhì)心作為導(dǎo)航目標(biāo)并結(jié)合A*算法規(guī)劃關(guān)鍵航點;隨后,利用基于強化學(xué)習(xí)的避障策略,實現(xiàn)安全靈活的路徑執(zhí)行;最后,通過視覺語言模型進行目標(biāo)檢測與定位。
團隊表示,未來這套協(xié)同模式能輕松擴展到多機協(xié)作——在高空無人機預(yù)測出目標(biāo)概率分布圖后,它可以提取多個潛在目標(biāo)位置,并借助優(yōu)化算法(如匈牙利算法)將這些任務(wù)分配給各個低空無人機。
同時,通過優(yōu)化動作控制確保安全避障,補充真實環(huán)境數(shù)據(jù)訓(xùn)練模型,也有助于將高低無人機系統(tǒng)從仿真環(huán)境中遷移到現(xiàn)實場景。
項目主頁:https://rey-nard.github.io/AeroDuo_project/
快穿文:《快穿:宿主她真的很飄》《黑化女配超神了》女強,高甜
總有一本你喜歡的“快穿”文!強推強推
寶藏書籍《快穿:宿主她真的很飄》私藏名場面熬夜吃狗糧也覺得甜!