Facebook利用元学习完成无人机悬挂负载运输

Facebook与加州大学柏克莱分校(UC Berkeley)研究人员提出了可自主学习环境动力学的模型，用来规划悬挂负载无人机的运输。实验结果显示，未来在仓库或其他工业环境中的机器人，面对不可预测的情况时，可与真实世界进行互动并加以调适。
根据VentureBeat报导，负责悬挂负载控制任务的四旋翼无人机必须自行定位拾取标的物，然后沿着路径抵达目标的终点。研究团队将学习演算法套用在与机器学习实验相关的元资料上，使用元学习(meta-learning)训练模型快速适应环境的动力变化。
实验使用的负载都是透过系绳和磁性夹具固定，而负载的可变性，如系绳长短对负载振荡速度的影响，是这项任务的大挑战之一。为了解决这个问题，团队使用了不同负载重量和系绳长度的资料训练动力学模型，并用代表未知环境和任务因素的变量予以增强。
如此一来，系统在测试时便可透过初始化动力学模型适应新的负载、获取当前状态、解决某个动作、执行该动作、记录结果，然后再次训练动力学模型。
这些负载是重量介于10~15公克的3D列印盒子，研究人员利用外部安装的RGB相机追踪，每0.25秒记录控制以及负载位置等资料并储存至个别资料集中，以收集不同悬挂负载的初始训练资料。
在实验过程中，四旋翼无人机大多能成功将负载运送至目的地。尽管如此，研究人员认为还有改进空间，例如悬挂负载的起落时间必须手动指定，且该方法只假设了吊挂负载的估计位置。
研究人员表示，这项实验是首次在真实世界的四旋翼无人机上展示的元学习方法，使用了真实的训练资料。与非适应性的悬挂负载运输方法相比，该方法成功改善了封闭回路的效能。尽管这项研究只实验了四旋翼无人机负载运输的特定任务，但此法可以通用于任何需要在条件不断变化环境中进行互动的机器人系统。

新闻来源：semitrade，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。