【安防在线 www.anfang.cn】在生活中，我们应该都见过这样的画面：一只小蜜蜂，从一朵花飞跃到另一朵花，并巧妙地避开人或物体。令人好奇的是，这种可可爱爱的昆虫是如何掌握导航技巧的？答案是「光流法」，生物学家对飞行类昆虫的这项技能非常熟悉，现在，它也被用到了机器人身上。机器人领域的研究者一直试图模仿昆虫的「光流法」，来自代尔夫特理工大学等机构的研究者提出了一种基于光流的学习过程，能使机器人通过视域中物体的外观（比如形状、颜色、纹理）来估计距离。这篇论文利用基于 AI 的学习策略提升小型无人机的导航水平，并带来了关于昆虫智能的新猜想。该文章登上了《自然 – 机器智能》杂志的封面。论文地址：https：//www.nature.com/articles/s42256-020-00279-7
光流
首先，我们要理解蜜蜂是如何落在花朵上以及避障的。如果想要让小型飞行机器人像大型自动驾驶汽车一样具备自主性，它们就必须使用一种高效的人工智能，类似于飞行类昆虫高度发展的智能。
光流 (Optical flow) 是关于视域中的物体运动检测中的概念。当物体在运动时，它在图像上对应点的亮度模式也在运动，因此可以通过检测图像像素点的强度随时间的变化，推断出物体移动速度及方向。该方法经常用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动，在样型识别、计算机视觉以及其他影像处理领域中应用广泛。
很多昆虫会使用简单、优雅的光流策略来处理复杂任务，比如着陆的蜜蜂借助光流的散度（divergence）来捕获食物在视野中变大的速度。如果蜜蜂正要着陆，这种散度会持续增加，例如从视野上看，草地变得越来越大。但在着陆的过程中，蜜蜂会通过减慢速度来保持散度的恒定，最终实现平稳的软着陆。
论文第一作者 Guido de Croon 表示，在飞行机器人中实施这些策略绝非易事，比如设计出来的飞行机器人实际上并不能着陆，它们会开始摆动，并不断地在着陆表面上方上下游动。
光流有两个基本局限性。首先，光流只能提供有关距离和速度的混合信息，而不能分别提供二者的信息。比如两架正在着陆的无人机，其中一架的飞行高度和速度是另一架无人机的两倍，那么它们的光流是完全相同的。但是为了实现良好的控制，这两架无人机实际上应该对光流散度的离差（deviation）作出不同反应。如果无人机着陆时不能适应这种反应，它就无法真正着陆，并在着陆表面上方来回晃荡。
其次关于躲避障碍物，在机器人运动的方向上，光流是很小的。这意味着在该方向上光流测量会产生噪声，因此几乎没有障碍物存在的信息，最重要的障碍也是最难发现的障碍。
无人机飞行时的光流场。可以看出，在飞行方向上的光流量最小，这条路径上的树是最难发现的。
如何解决上述问题呢？该研究提出让机器人学习环境的视觉外观，下图 1 展示了环境视觉外观包含这两个问题的解。
如上图 1 a 所示，不同颜色的两只蜜蜂有相同的光流，但是看到的花朵的视觉大小不同。在图 1 b 中，红色障碍物虽然不那么容易通过检测到，但它的视觉外观和大小是很容易检测的。
让机器人学会「光流法」
研究者意识到，如果机器人不仅能够领会到光流，还能「看见」环境中物体的外观，上述两个问题也就迎刃而解了。Guido de Croon 表示：「这将使机器人看到场景中物体的距离，就像我们人类估计静止图像中的距离一样。」现在的问题是：机器人如何学会看到距离？
在本项研究中，团队提出了一种新理论，飞行机器人可以主动制造光流振荡，进而了解环境中物体在不同距离时的外观。通过这种方式，机器人可以了解着陆过程中从不同高度看草地时的质地区别，或者在森林中飞行时从不同距离看树皮的区别。无人机可以利用振动感知与物体之间的距离。
图中是无人机正在学习检测并避免在实验场上碰到障碍物。
论文作者之一 Christophe De Wagter 表示：「通过视觉外观，机器人学会了观察距离，比以前更快、更平稳地着陆。」此外，机器人也能够非常清楚地看见飞行方向上的障碍物，这不仅提高了机器人的障碍物探测能力，还实现了飞行加速。
这项研究不仅与机器人技术有关，还为昆虫智能提供了新的猜想。研究团队成员 Tobias Seidl 说：「一般蜜蜂实验从学习阶段开始，在这个阶段，蜜蜂熟悉新环境和新线索时会出现各种振荡表现。相关论文中介绍的最终测量通常在该学习阶段结束后进行，并且主要集中在光流的影响上。而该研究展示的学习过程对飞行昆虫如何改进导航技能带来了新的假设。」
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
