大会 | IROS 2017,这是一场用实际数据说明机器和人相差多远的比赛!

这是一场用实际数据说明,机器和人相差多远的比赛!

IROS 2017无人机竞速表演环节,荷代尔夫特理工大学选手在尝试FPV操作

AI科技评论看来,IROS 2017的无人机竞速比赛的“考题”要比IROS 2016要略简单一些,但仍然没有哪支队伍成功穿越全部13个门,最终的冠军队伍也不过穿过了9个门,成绩为3分11秒;而在正式比赛结束后的有操控表演中,一位带着VR眼镜的选手用46秒就穿越了全部13个门。而我们知道,FPV(First Person View)无人机视角要比人眼视角小得多,或许主办方希望通过摄像头视角的角度,尽可能将机器与人放在同一环境中比较,而这一比较使得我们可以更直观看出了机器与人的差距。

无人机竞速比赛的组织者、韩国成均馆大学的Hyungpil Moon也是AI科技评论记者的老朋友,去年在韩国大田举办的IROS 2016无人机竞速比赛也是由他组织。他向记者介绍,本次比赛共有6支队伍参赛,比赛场地在一个装有安全网的14x30米的场地进行,无人机需要在无操控的状态下穿越13个门,在最短时间内穿越所有门回到终点(也是起点)者为优胜者。如果没有选手穿越所有门,则先比较穿越的门的数量,如穿越的门的数量相同,则用时较短的一方排名在前。

比赛场地及障碍物设置,13个门分为直道、弯道、急转弯道和动态门4个区域

现场的效果是这样的

在场馆里挂这个安全网,组织者给加拿大的安装工人付了5000加元【震惊脸】

如上图所示,在地面上会贴有胶条用于定位,各支参赛队伍需要对无人机编程调试,让无人机可以识别出门的具体位置并进行穿越。比赛共分两轮,所有队伍轮流上阵,以成绩最好的一轮决定名次。

看起来很简单?实际上并非如此。

让我们来看一下比赛的进程吧:

比如ETH Zurich,该校是无人机飞控的先行者,该校的Pixhawk项目奠定了无人机飞控的基础,市面上几乎所有开源飞控系统都是由Pixhawk改进而来。艺高人胆大,由于对自己的飞控有信心,ETH Zurich在比赛中的策略也是采取尽可能快穿越的策略,在第一轮第三个出场,就取得了在36秒内穿越8个门的好成绩;

然而在第二轮中,ETH Zurich在完美的直线赛道加速后,正当大家在等待它拐弯的时候,它却突然意外坠机了......

出现类似情况的还有荷代尔夫特理工大学的团队,该团队去年也参加了比赛并获得亚军。在速度上,荷代尔夫特理工大学的无人机比ETH Zurich更胜一筹,第一轮中穿越第7个门的时候仅用时26秒,在第二轮中前期表现依然出色,但在穿越第6个门的时候没有能有效识别撞到了门上;

由无人机爱好者组成的First Commit团队用的是自己组装的无人机,也是所有参赛队中体型最大的一个。在第一轮仅取得6个门1分21秒的成绩后,在第二轮中终于吃到了体型大的亏,在第8个门穿越的时候螺旋桨防护架不小心挂到门框导致坠机,但也凭借这次表现成功超越荷代尔夫特理工大学获得第三名;

相比之下,来自墨西哥的INAOE团队就要稳健得多,与之前的队伍相比,INAOE简直就是“一看二慢三通过”的代表,在第一轮最后一个出场,以不紧不慢的表现在3分11秒内穿过了9个门,在第一轮结束后排名第一。

第二轮开始后,由于之前队伍纷纷意外落马,INAOE实际已经锁定了冠军,焦点就集中在是否能创造更好的成绩上了。但遗憾的是,INAOE在成功穿过第5个门后并没有能很好按地面标记进行定位,而是撞在了边网上(现场工作人员还在拼命把边网往外拉),遗憾地结束了比赛。

冠军团队INAOE

那么,无人机自主越障比赛究竟难在哪里?从与现场交流和IROS中国参会群中的讨论,AI 科技评论总结出了影响无人机表现的三个原因:

1)视觉识别:多位同学认为,障碍的视觉识别是最主要的问题。无人机需要先识别出框再从框里面飞过去,但现场有很多框,当同时识别出多个框的时候有可能会出错,另外无人机有撞到防护网的,也是因为无人机难以识别防护网;

2)高度控制/定位:一开始的直线赛道,重点是控制高度直接冲过去(按照规则,无人机可以从只需保持规定高度),需要用视觉识别来计算水平距离,或者用超声波计算垂直高度定高;在定位上中,大家都会用地面标记来进行定位,但算法和现场的环境和调试可能都会影响实际的飞行效果;

3)路线规划与飞行控制:飞行路线的决策和调整、路径的转换都是比较大的问题。如湖南瑞森可机器人技术总监胡斌博士认为,虽然比赛是竞速比赛,但无人机的速度不好控制,在比赛条件相对复杂的情况下,慢是比快更好的选择,ETH Zurich和荷代尔夫特理工大学“Die Fast”就说明了这一点。

考虑到本次比赛也仅有6支队伍参加,而 AI 科技评论记者认识的不少做无人机方向的学生,因为来大会主要目标是做报告而并没有参加或者到场观看比赛,从某种意义上说,这一比赛并一定能代表无人机的自主操控与人类的真实差距,毕竟从实际应用场景看,无人机更多用于户外相关工作,而对室内运动缺乏来自产业的需求,这是否也是制约无人机的自主导航研究水平的一个因素呢?或许下一次比赛应该把场地放到室外,这样机器与人究竟相差多远,我们也能有一个更准确的答案。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-09-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

认知科学与人机交互简史

前言 “水是最好的”(Water is best),这句话是西方“科学和哲学之祖”泰勒斯(Thales,约公元前624年——公元前546年)的名言,无独有偶,与...

3065
来自专栏新智元

Velodyne 发布售价数百美元固态激光雷达套件,或大幅降低无人驾驶汽车成本

【新智元导读】激光雷达厂商 Velodyne 今天宣布将发布固态激光雷达测试套件,明年实现量产,售价只有数百美元,或将大幅降低无人驾驶汽车成本。 Velodyn...

52017
来自专栏镁客网

北航联合哈佛,历时四年,克服三大难题,研制出吸盘式仿生机器人 | 黑科技

1331
来自专栏灯塔大数据

深度|AI行业的真实进展或许远超想象

? 在AI领域,相比创业公司,大公司具有天然的先发优势。在技术方面,决定技术的三个要素——数据、算法模型、计算力,背后的潜台词对应的是数据量、人才、资金,大公...

4255
来自专栏SeanCheney的专栏

《数据科学家访谈录》总结·2

01 - 05:DJ Patil, Hillary Mason, Pete Skomoroch, Mike Dewar, Riley Newman 06 - ...

522
来自专栏腾讯音视频实验室

腾讯三维虚拟听觉解决方案 : 一场音效的新革命,开启沉浸感新纪元

本位转载自雷锋网Dude 在首届腾讯用户开放日上,腾讯音频实验室,带着三维虚拟听觉解决方案,向所有的C端用户亮相。 ? 众所周知,好的内容不仅仅只是视觉上的冲击...

2945
来自专栏韩伟的专栏

什么是游戏性

由于最近忙于写各种文档,所以很长一段时间没有更新了。不过作为一个产品、技术内外双修的神人,还是有一些存活的。今天发送的和单纯的技术关系不大,而是一份对于游戏这个...

2765
来自专栏科技向令说

响铃:从小众到大众,智能微投还有多少路要走?

专注智慧家庭领域数据监测的奥维云网发布数据称,2017年1-7月,投影仪线上卖了53万台,其中家用的43万台,含智能微投(1kg以下)19万台。相比手机动不动几...

655
来自专栏机器人网

让你比机器人更机器人

鉴于苹果推出智能手表Apple Watch后引发疯狂的喧嚣,你可能认为可穿戴设备将成为科技发展方向的下一个重要转折点。尽管可穿戴设备的热度现在如日中天,但其实它...

2657
来自专栏数据科学与人工智能

【应用】人工智能应用在农业的三个案例

全球面临着土地资源紧缺、化肥农药过度使用造成的土壤和环境破坏等问题。如何在耕地资源有限的情况下增加农业的产出,同时保持可持续发展?人工智能是解决方法之一,其展示...

3865

扫码关注云+社区