张倩、杜伟、小舟参与

未使用GPS与盲降系统,深度学习开的空客350你敢坐吗?

在我们日常乘坐的航班中,飞机往往要飞到一定高度才能接通自动驾驶,起飞、着陆都需要飞行员手动控制。但空客最近公布的一项测试有望打破这一局面。该公司 CTO Grazia Vittadini 在 Twitter 上表示,借助深度学习技术,他们完成了全球首次自动着陆的测试,这意味我们离全自动驾驶飞机又近了一步。

这一成就引来了图灵奖获得者、人工智能先驱 Yann LeCun 的关注,他猜测,空客用到的是一种卷积网络。


对于 Yann LeCun 的猜测,空客方面回应称,他们使用的 DL 模型的确使用了卷积网络和几何视觉算法来计算飞机接近跑道时的飞行姿态。并且需要解决的开发挑战是:处理高目标方差(从 6 公里外观察跑道,一直到飞机着陆)和实时图像处理


从起飞到着陆,空客在自动驾驶飞机的路上越走越远

其实,早在去年年底,空客就完成了自动驾驶起飞的测试。

那次飞行测试成功地使用了空客的最新款机型一——Airbus A350-1000 XWB。在摄像头数据的辅助下,飞机在法国的图卢兹 - 布拉尼亚克机场实现了完全的自动起飞。

为了保证飞行安全,驾驶舱依然搭载了两位飞行员,但他们的工作比以前简单地多。

这两位飞行员表示,他们只需要将飞机开到跑道的适当位置并启动自动驾驶仪,其余的工作就交给飞机自己,包括进行必要的校正以保证其处于中心线,以及在需要时将机头抬起。


那么飞机是如何执行自动起飞任务的呢?这对航空的未来又意味着什么呢?

「它开始移动并自动加速,保持在跑道的中线,并保持系统输入的精准的转速」。空客公司的试飞员 Yann Beaufils 说道。「飞机的机头开始自动抬高,以达到预期的起飞俯仰值,几秒钟之后,我们就飞起来了。」


空客公司发布的照片显示,当飞机的机头指向天空时,Beaufils 的手悬停在操纵杆上方。他并没有驾驶飞机,他只是一个观察员,尽管他随时准备着在需要时接管飞机。

飞机的摄像头确保飞机向正确的方向飞行。A350 通常装有 3 个外部摄像头,以供飞行员和乘客查看。


摄像头通常位于飞机的尾部、腹部和前起落架附近,尽管有些航空公司反对这种特别的设置。类似于自动驾驶汽车,这些摄像头配备了识别跑道的技术,以便保持起飞时的路线是一条直线。


在传统的飞行任务中,风力和跑道上存在的其他风险(例如异物碎片或 FOD 等),可能会导致飞机偏离跑道中心线而需要进行校正。飞行员必须使用飞机的制动器或方向舵来保持飞机处于中心线上,否则可能会导致飞机滑出跑道边缘。

但在这次测试中,试飞员报告说,这架飞机无需飞行员人工输入就能自动完成这些校正,从而大大减少了起飞期间的工作量。


试飞员需要做的只是确保在 8 次起飞中,所有设备运转正常。空客公司称这次自动起飞测试是 Autonomous Taxi, Take-Off & Landing (ATTOL) 项目的又一里程碑式成就。


如今,空客又实现了基于计算机视觉的自动着陆,离全自动驾驶更近了一步。


从公布的视频中我们可以看出,飞机在降落之前很久就识别出了跑道的位置(上图中的边界框)。

为了完成这一任务,空客开展了一项名为「Wayfinder」的项目,该团队的任务是寻求让飞机操纵自动化的深度学习解决方案。

和起飞测试一样,此次降落测试也搭载了人类试飞员,但该试飞员没有进行任何着陆控制。

最终,飞机在自动驾驶系统的控制下成功着陆,空客也完成了滑行、起飞、降落自动控制的完整测试。

尽管自动飞行测试取得了成功,但空客公司表示:「飞行员仍将是飞机操作的核心」。通过为飞机提供更多自主操作功能,飞行员可以空出更多时间来关注飞行管理和决策。这项新技术的成功测试为飞机自动操作的未来发展扫清了又一障碍。

演示中未使用 GPS 和盲降系统

空客此次自动着陆测试在社交网络上引起了热议,很多人都表示祝贺,并称这是飞行史上的一次里程碑式事件。

当然也有打破砂锅问到底的网友,比如 Fellow AI 创始人兼 CEO Marco Mascorro。他想了解这个自动驾驶系统使用的是什么模型、在什么硬件和 GPU 上运行以及 FPS 又是多少。

对于这位网友的问题,空客硅谷创新中心研究工程师 Oktay Arslan 表示,他现在不便透露太多细节。他本人参与的工作包括:实现推理引擎,在嵌入式平台上部署 ML 模型,为实现引擎实时运行而开展的一些简单优化工作。


说到自动驾驶 / 飞行,不免要引出有关摄像头和激光雷达的争论。根据空客目前透露的信息,系统中好像没有使用激光雷达

对于这个问题,Marco Mascorro 猜测:「这里应该不需要激光雷达,从校准飞机跑道的现有传感器和摄像头 / 视觉设备中得到的输入数据应该就够用了。」


虽然不便透露太多细节,但 Oktay Arslan 表示,他们在飞行演示中从未使用 GPS 和盲降系统(ILS),而这也正是基于视觉自动着陆技术的最终实现目标。


有多少人愿意乘坐自动驾驶飞机?

空客的这项测试让我们离自动驾驶飞机又进了一步,那么问题来了:如果有一天技术足够成熟,飞机可以实现完全意义上的自动驾驶,你敢坐吗?

去年,Atomik Research 针对两万多名成年人的调查显示:70% 的人希望在有生之年乘坐自动驾驶飞机。

在被问及对自主飞行的最大担忧时,65% 的受访者表示最担心技术故障,57% 的人最关心自动驾驶对外部环境的响应,例如恶劣天气和大气湍流。

在得知自己的最近一次飞行可能只有前 10 分钟和最后 10 分钟是由飞行员操控,而其余时间都是自动飞行时,36% 的人表示对乘坐全自动驾驶飞机的安全感大幅提升。

看来,如果全自动驾驶飞机有一天真的到来,消费者的接受度不是一个大问题。

参考链接:
https://www.sohu.com/a/323365935_99893532
https://www.businessinsider.com/airbus-test-flight-brings-self-flying-planes-closer-to-reality-2020-1
https://venturebeat.com/2020/01/16/airbus-plane-takes-off-using-autonomous-technology-and-image-recognition/
https://www.aerospacetestinginternational.com/news/technology/airbus-tests-first-fully-automatic-vision-based-take-off.html
产业卷积网络深度学习自动驾驶
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

推理引擎技术

推理机是实施问题求解的核心执行机构,常见于专家系统。它是对知识进行解释的程序,根据知识的语义,对按一定策略找到的知识进行解释执行,并把结果记录到动态库的适当空间中去。

推荐文章
暂无评论
暂无评论~