据美国国防部高级研究计划局（DARPA）最新消息，“终身学习机器”（L2M）项目推介会定于3月30日在弗吉尼亚州阿灵顿举行，项目报名截止日期为3月24日。当前，即使最聪明的人工智能（AI）成果也无法抗拒学习型自适应生物智能。
 

自驾出租车。声控手机。电脑战胜世界级象棋和围棋选手……类似的人工智能系统不仅成为民用和商业领域的技术景观，同时也应用到国防部门的网络安全和动态物流规划等领域。但除非他们的编程或训练集具有专门的原理、处境或环境，否则这些机器学习系统将面临进退两难、无所适从的境地。

 
人工智能案例依靠的是巧妙的编程和庞大的训练数据库，专门研究计算机模拟或实现人类的学习行为——机器学习（ML）体系，以完成智能任务。
 

在经验适应和学习方面，机器学习即使和最简单的生物系统相比也相差甚远。人类驾驶员在真实世界动态变化基础上可不断总结驾驶经验，而机器学习离根据路况灵活处理的差距，如有数光年之远。
 

这就是DARPA开发“终身学习机器”项目的初衷。

 
“终身学习机器”的目标是开发下一代的机器学习技术，可以从新环境中不断学习，并加以应用，变得更好、更可靠。当然这必须要有约束，预先设定范围，保证系统不被随意覆盖。这种自自觉和持续的学习能力，可借鉴以往的经验包括事故、盲区和路况薄弱环节等，用于没有预设的具体编程或训练过的环境中，让无人驾驶汽车变得更安全。
 

终身学习机器项目经理哈瓦•西格曼（Hava Siegelmann）说：“从某种意义来说，生活是不可预测的。程序员要预测所有的问题或意外，是不可能的。这意味着按照现有的机器学习模式走向成功极其不易，因为它们遇到的是现实生活中的不规则和不可预测性的问题。目前，如果你想提升现有的机器学习系统在新环境中的能力，你只能重新再造系统，根据新情况用新的数据集进行界定。现有的方法是不可升级的。”
 

最新的计划旨在开发全新的机器学习的机制，系统将像儿童和其他生物系统一样，靠生活经验作为训练集来学习。对于学习机器的开发，从具体情况中总结经验的基本了解尚不成熟。“终身学习机器”项目将提供一个独特的机会,帮助计算机科学家和生物学家共同探讨这些新机制。
 

西格曼说：“计算机从经验中学习——即便是最简单的事情，是一个长期而捉摸不透的目标。因为今天的计算机运行的是预先写好的程序，是无法进行调整的。由于英国的博学者艾伦•图灵（Alan Turing）最早开发计算机后这种模式至今仍未改变。L2M呼唤一种新的计算模式。”

 
为期四年的“终身学习机器”项目代表两个技术领域。第一个着眼于框架开发，可以不断应用过去的经验，应用“经验教训”于新数据或新情况。同时，它要求开发的技术可用于监测机器学习系统的行为，对适应能力的范围进行限制，以及按需要控制系统的功能。研究将包括网络理论、算法、软件和计算机结构。第二个技术领域，源于对生物学习机制的兴趣，着重探讨生物系统如何学习和适应，以及考虑是否和如何将这些原则和技术应用到机器学习系统。
 

“人类靠经验学习的发展历史有数十亿年，” 西格曼说，“几乎可以肯定，有一些秘密可以应用到机器。这些机器不仅是解决问题的计算工具，而且是我们机灵的、有适应力的帮手。”





 

谷歌无人驾驶汽车使用的诸多技术实际上源于DARPA组织的陆地挑战赛（Grand Challenge）。DARPA早在十多年就开始提供资金支持，协调大学研究机构、车企、传感器供应商和半导体供应商合作，进行一系列的无人驾驶汽车挑战赛，其中比较有名的就是2004年和2005年的两届陆地挑战赛（Grand Challenge）和2007年举行的城市挑战赛（Urban Challenge）。





 

最早谷歌提出的无人驾驶汽车就是基于置于车顶的机械旋转激光雷达产品实现的，其实主要靠Velodyne公司的64波束激光雷达。激光扫描仪未来发展趋势是固态化、小型化、低成本化。DARPA主导与加州伯克利以及麻省理工进行下一代频率调制连续波FMCW 激光扫描仪芯片的开发，进一步降低激光扫描仪的成本。
 
 

人工智能所需的硬件呈现三足鼎立的状态，分别由NVIDIA、INTEL和IBM所引领。NVIDIA作为GPU的领先供应商，正将其主营业务从图形处理以及游戏产业转向基于GPU的人工智能的深度学习计算平台。INTEL在其传统计算机服务器行业的增速放缓后，战略收购FPGA领导者ALTERA和AI架构的创新初创公司Nervana，并迅速融合其优势，向无人驾驶人工智能技术方向迅速发展。最低调最不为人知的说是IBM，悄然进行着人工智能AI神经网络芯片的开发。















 
 
 
 
更多内容请关注：www.imefuture.com





 
 
 
来源：微信公众号 战略前沿技术 乐天 查看全部

美空军首席科学家撒迦利亚称，未来无人机将配备更先进传感器，自主性、致命性、隐身能力将得到增强。








人工智能与自主性


计算机算法将使无人机承载更加广泛的功能，如感知、定位、武器校准、传感器有效载荷转移、航程和能力等，且无需人工干预。人工智能（AI）技术的利用，将提高无人机平台自主组织、理解和集成各种功能的水平，如ISR过滤、传感器操作、机动、导航和定位校准等。总之，新兴计算机技术将提高无人机自主决策水平，并使之具备更多功能。







①F-35战机的AI技术应用

F-35“联合攻击战斗机”采用的“传感器融合”技术可组织、理解多个传感器收集的信息，并在单一屏幕上呈现给飞行员。快速发展的传感器技术使飞行员紧密查看目标和战术相关信息的距离越来越远，这种技术和能力将会继续得到提升。







②AI对蜂群无人机的影响

AI最显著的成果之一是单一无人机将不再需要多人控制，而是由一个人同时控制多架无人机。因此，无人机与附近有人驾驶飞机紧密合作的能力将不断增强，进而大大扩展战斗机和其他飞机的任务范围。

此外，无人机的空空机动和攻击能力也将得到提升。虽然无人机和无人驾驶战斗机的速度和机动能力不断提高，但算法短期内不会发展到使无人系统能够像人类大脑一样可快速响应意外情况的程度。与此同时，远程传感器技术发展将继续使飞机从更远的距离观察对手，从而大大减少无人机进行空中缠斗的需求。


③未来无人机发展目标

美空军的目标是使无人机成为成功打击实力相当对手和潜在对手的重要武器。目前专家正在研究潜在的作战想定，开发一种在“对抗环境”下作战的能力。




更加致命的无人机


①武器有效载荷

更广泛的武器库将向无人机平台整合，包括可在更大程度上自主辨别并摧毁敌方目标的高科技制导武器，这些武器包括AGM-114“海尔法”激光制导导弹，这是目前无人机使用的主要武器。






同时，无人机或无人驾驶平台预计将能发射更加广泛的制导型空投弹药和空空武器，如AIM-9“响尾蛇”空空导弹和AIM-120先进中程空空导弹。此外，美空军现在正在开发“小直径炸弹II”空投制导武器。这种武器使用三模寻的技术，这种技术利用红外激光毫米波雷达技术，可在各种天气条件下探测、跟踪和摧毁目标。


②模块化特征

鉴于技术变革的速度，未来的空军无人机还须具备模块化这一特点。这意味着无人机在设计之初就要做好在任务需求改变或新技术出现时随时交换传感器有效载荷的准备。


③飞行速度

未来无人机也将在速度上超过现役无人机。速度大幅提高使无人机具备紧急到达的能力，以及以指数级加速度向时敏作战环境运送武器和传感器的能力。但5.5马赫以上的高超声速可能需要很长时间才能实现。



隐身无人机






未来无人机也将具备较强的隐身能力，可提高躲避敌方高技术防空系统的成功率。目前已有若干隐身无人机项目取得了不俗的技术进步，如洛·马公司的RQ-170“哨兵”隐身无人机，以及波音公司的“幻影射线”无人机。后者是一款战斗机尺寸的无人作战飞行器，2011年实现首飞；翼展15米，可爬升到12千米高空，速度可达888千米/小时。
 
 
 
 
更多内容请关注：www.imefuture.com





 
 
 
来源：战略前沿技术 查看全部

摘要：随着系列政策的颁布，无人机企业在深圳如雨后春笋般崛起。2016年深圳无人机出口54.7亿元人民币，与2015年相比增长76.9%。因而，作为有着超过300家无人机企业的全球无人机集散地，深圳“全球无人机之都”之称实至名归。
      




 
      享受过巨大的改革福利之后的深圳，目前正处于时代的转型当口，在高速发展下令自身变得更加精致与尊贵。尤其，深圳近两年跟“创业”杠上后，越来越多的创业孵化器出现在深圳的核心商业区，而无人机就是深圳创业大潮中出现的一股近乎妖媚的势力。
       近日，据媒体报道， 随着深圳科技产业的高速发展，民用轻型飞机及航空器(统称“无人机”)成为近年深圳市出口增长强劲的商品之一。据海关统计，2016年，深圳市无人机出口54.7亿元人民币，与2015年相比(下同)增长76.9%。
        深圳海关透露，去年12月份出口值再创历史新高。2015年以来，深圳市无人机单月出口规模震荡攀升，2016年4月份，单月出口值首次突破5亿元，随后各月在4~5亿元区间震荡，12月份环比增长59%，达8亿元，创历史新高。无人机出口中，有近6成是以一般贸易方式出口，而且该比重正在不断提升，无人机主要是出口至欧美市场。
        目前，全球约95%的无人机产品从深圳出口，深圳已成为全球无人机市场的风向标，拥有大疆、一电、艾特、科比特、九星智能等300多家无人机企业，遍布全市各区，尤以南山区最多，年销售总额超过200亿元。
        在深圳产的无人机中，大量产品被广泛应用于森林防火、边境巡逻、海事执法、核辐射探测、环境保护、应急救援、遥感测绘、资源勘查等领域。因而，在丰富的应用场景以及广阔的市场前景途下，深圳无人机产业的崛起，为其带来“无人机之都”的荣誉称号。
       其实，深圳无人机产业的崛起得益于系列政策的助推。2013年，深圳市制定了《深圳市航空航天产业发展规划(2013~2020年)》，并每年分批次进行扶持，其中无人机就是重点支持领域。扶持的领域包括无人机设计测试、总装集成、人机交互等。
       而在2014年，深圳便已经成为全球八成航模产品的生产基地，无人机正是在航模的基础上加入操作系统而形成的。另一方面，深圳拥有庞大发达的手机电子产业，无论是锂电池、陀螺仪还是GPS等传感设备行业都业已发展成熟，为无人机的兴起提供了强大的业务支撑。
       从2015年开始，深圳无人机产业联盟经过筹备和讨论，陆续发布了《民用无人机系统通用标准》《单旋翼直升机系统通用标准》等七个地方行业无人机标准。
       2016年4月，深圳发布了《民用无人机系统二维条码信息标识技术规范》《民用无人机系统身份识别通用要求》和《民用无人机系统性能测试方法第3部分：无线射频性能》。7月，深圳再次立项编制地方标准《民用无人机操作安全规范》和《民用无人机系统无线射频性能测试方法》，填补了国内外民用无人机领域标准的空白。
      另外，据全球权威IT咨询公司高德纳预测，2017年无人机产销将大幅增长39%，达300万台。全球无人机产值预计将达60亿美元(约412亿元人民币)，增加34%，发展至今已形成了大约1000亿美元的市场规模。对此，牢牢掌握住无人机核心的深圳势必将迎来又一波高潮。
                                                   -------------来源网络------------------- 查看全部

1.固定翼无人机推荐《Small Unmanned Aircraft Theory and Practice》Beard, R.W. and McLain, T.W.: Small Unmanned Aircraft: Theory and Practice. (eBook and Hardcover)
涵盖了从底层的增稳控制、状态估计，到上层的航路规划、视觉控制。最赞的是每一章都配有相应的matlab仿真程序，一步步做下来，最终将会实现一个功能强大的无人机程序。ps：中文版已经有人在翻译了。
链接：http://pan.baidu.com/s/1pLTPn9D 密码：hm31

2.多旋翼设计推荐北航全权教授的课程《多旋翼无人机设计与控制》课件下载地址：Reliable Flight Control Group
全老师也写了一本书，《多旋翼无人机设计与控制》，不过应该是英文版的，近期会出版，我个人非常期待。

3.控制工程实践推荐《控制系统设计指南》，很多控制理论学得很好的学生，工作后却发现调好一个最简单的PID都很困难。这本书从工程需要出发来讲述控制理论，介绍了很多设计、建模、构建、调试、以及故障排除的使用方法。当在设计与调试实践中遇到问题时，值得翻一番。

4.论文、公开课等
另外，我收集整理了一些多旋翼方面的资料，可以看这里Drone - ExbotWiki
注：论文的最新下载链接看这里
http://pan.baidu.com/s/1bPoqui

5. 开源代码
开源项目也有很多了，结构好一点的推荐px4
功能多一些的推荐arduipilot

6 实践
说到最后，即便是玩最便宜的多旋翼，还是需要一点小钱的。
继续补充一段《最佳实践知识库》
==Ծ‸Ծ==
   (2) 由于历史的原因，通常设计不是从零开始，而是在已有的设计基础上进行的。这就意味着某些设计可能会继承已有设计的缺陷，会在已有基础上增加新的内容和功能，也会继承一些重大问题的解决方法，这些系统可能会变得非常复杂，以至于几乎无人能够全面了解系统的全部功能。
   (3） 在某些情况下，无法将设计需求转换为较好的量化指标，那么FCS 设计成败主要取决于控制律设计者个人的经验和枝巧，以及对于控制律设计作为飞行控制系统的一个完整部分所固有的软件和硬件方面的限制条件的洞察能力。因此，真正的设计需求或许只可能存在于经验丰富的设计者的头脑中，这些设计者能够正确地理解可用的信息，并能对可能失去的东西做出合理的判断。
   (4) 设计周期往往非常漫长，任何一个设计者在其设计生涯中可能只能接触到个别设计案例，因此有一部分经验是来自其他人。 查看全部

据美国科技网站Recode报道，便利连锁商店7-Eleven赶在亚马逊和谷歌母公司Alphabet之前组建起了美国第一支无人机运输服务队伍。后两家公司为实现无人机运输做了大量工作，在此前一直都受到媒体公众的广泛关注。


7-Eleven公司表示，美国内华达州雷诺市的12位用户在家中收到了由无人机从商店送来的77个订单包裹。


这也成为了美国历史上的第一个成功的无人机商业运输案例，尽管目前只有一家商店实现了这项服务。7-Eleven与无人机运输初创公司Flirtey进行合作，组建了雷诺市的无人机包裹运输服务。去年，Flirtey完成了美国的第一次无人机运输实验。当时，Flirtey使用无人机将药物补给品运送给弗吉尼亚州的一家医院。


上述两家公司联手在今年7月完成了美国国内的第一例无人机商用运输实践，随后于11月在雷诺市开展了无人机运送包裹的实验。亚马逊最近也在英国的剑桥开展了一个相似的小型无人机运输测试。


通常情况下，无人机能在付款后10分钟内将包裹运送至客户手中。它使用GPS对消费者的住所进行定位，然后飞上天空将包裹安全地送至目标地点。7-Eleven聘请了无人机操作员，他们会在商店里指挥无人机飞行，所有的运输活动都在操作员的控制范围内，同时也严格遵照联邦航空管理局相关的无人机管理规定。无人机在飞行过程中完全是自动驾驶的，只有在紧急情况下，操作人员才会介入对其进行控制。亚马逊的第一次无人机运输测试之所以在英国开展，就是为了规避联邦航空管理局的相关规定，其中有一条规定要求，商用无人机必须一直在特定的无人机操作员的指挥下进行作业。


尽管如此，实现大规模无人机运输仍有待时日。若想让无人运输机能在美国得到更广泛的运用，必须得有一个空中交通管理系统对无人机进行远程控制，而不是单纯依靠于单个无人机操作员，只有这样才能确保它们不会飞入禁止的空域。今年早些时候，联邦航空管理局和美国宇航局在雷诺市测试一个空中交通管理系统，这也显示出联邦航空管理局正在积极寻找办法以废除“在视线范围内进行操作”的规定。


2015年是无人机的转折之年，它成为了一种热门的消费设备。美国对于无人机合法化的法规框架还正在探讨之中，技术和管理壁垒仍然制约着无人机的进一步应用。


无人机制造商和软件供应商正加紧研发“地理防御”和“碰撞规避”技术，从而让无人机变得更加安全。无人机应用场景的快速发展也倒逼着政府制定全新的法规以实现安全性和行业创新之间的平衡。


更安全的技术和更完善的法规会打开无人机在商用领域中全新的应用可能性，其中就包括像亚马逊的Prime Air和谷歌的Project Wing这样的无人机运输项目。


Business Insider旗下的研究机构BI Intelligence对无人机进行了一个详细的报告，预测了民用、商用和军用无人机的销售额。该报告同时还预测了民用无人机和商用无人机出货量的增长情况。


这份报告调查了几家世界上最重要的无人机供应商，分析了无人机在几个主要行业中的应用趋势。最后，报告还分析了几个市场部门中的监管环境，同时解释了“躲避障碍物”和“无人机对无人机交流”等核心技术将如何影响无人机的应用。



以下是这份报告的核心提要：

预计2021年无人机的销售额将达到120亿美元，在去年这一数值刚刚超过80亿美元。民用无人机的出货量在未来五年中将翻两番，激励因素包括日趋激烈的价格竞争以及不断降低准入门槛的新技术的发明。随着美国和欧盟管制的放宽以及全新应用案例的探明，商用领域出货量和销售额的增长幅度都将超过民用领域。美国和欧盟也将成为商用无人机最大的两个潜在市场。“地理防御”和“碰撞规避”等技术让无人机变得更安全，法规制定者也会放心地让更多的无人机飞上天空。目前，联邦航空管理局只允许在少数几个行业中使用商用无人机，应用场景也仅限于农业、矿业、石油和天然气领域的科考调研。在无人机研发投入方面，军用领域将继续领先于所有其他的领域，因为军用无人机的造价高昂，并且越来越多的国家正在探索无人机技术。
 
 
来源：界面 机器人网

 
 
 
更多内容请关注：www.imefuture.com
 
纽约时报：了不起的AI觉醒
面临年关，各家机器人企业将会上演促销大戏
各种“地”—— 各种“GND”
 
智造家 查看全部

继“如何用100美元和TensorFlow来造一个能‘看’东西的机器人” 之后，Lukas又一最新力作。

结合深度学习和便宜硬件的更多探奇。

在“造”出能进行物体识别的机器人后，下一步就很清晰了，我要“造”一个能飞的东西！我决定搞一个能自主飞行的无人机，并要它能识别人脸和响应语音指令。




◆ ◆ ◆

选择一台成品无人机

开始“黑入”一台无人机的最难的部分就是如何开始。我最初的选择是用零件组装一台无人机。但和我完成的大部分的DIY项目一样，从零开始一般都耗费了太多的时间，还不如直接买一个成品。实话实说，我自己组装的无人机从来没有正常的飞行过。而买一台成品机就既省事又省钱。


绝大部分无人机厂商都宣称提供API接口，但对于业余玩家来说就没有一个明确的最佳选择。大部分能提供貌似可用的API接口的无人机都要超过1000美元。这对于入门级的玩家来说就太贵了。


但经过搜索，我发现Parrot AR 无人机2.0版（见图1）是一个低端可“黑”入无人机的极佳选择。新的售价是200美元，不过很多人在买了以后就不怎么再玩了，所以在eBay上花130美元或更少就能买到一个不错的二手货。





图1：我车库里的无人机收藏。最左边的就是Parrot AR无人机。图片由Lukas Biewald授权使用


论飞行稳定性，Parrot AR型不如更贵的Parrot Bebop 2型（550美元）。但是Parrot AR型所带的叫node-ar-drone的node.js客户端库是非常好用的。


Parrot AR型的另外一个优点是它非常皮实、耐摔。在测试自主飞行代码的时候，我的无人机频繁地撞到墙、家具、植物甚至是我们家的客人，并坠落。但它还是依旧能正常飞行。


比起“造”能在地上跑的机器人，“造”无人机最不爽的一点就是它的电池可用时间太短了。基本上是充电几小时，飞行十几分钟。所以我建议多买两块电池，循环充电使用。



◆ ◆ ◆

给我的无人机开发程序

我经过实践发现，Javascript内在的事件驱动的特性使得它成为一种非常好的控制无人机的语言。请相信我，无人机飞行的时候，是有非常多的异步事件发生。我写Node.JS的时间并不长，但在这个项目过程中，我对它的印象非常深刻。上一次我正儿八经地为机器人写程序用的是C语言。处理C语言的线程和异常是一件非常让人头疼的事，所以我尽量避免再使用它。我希望有人能为其他的机器人平台开发出JavaScript的接口，因为这会让为机器人开发程序（完全无法预知会发生什么事）变得更简单更有趣。



◆ ◆ ◆

架构设计

我决定在我的笔记本上运行控制逻辑，同时在云端运行机器学习的部分。这种架构设计比在树莓派板上直接运行神经网络的延迟要低。我认为这种架构对于业余无人机项目而言是合适的。

微软、谷歌、IBM和亚马逊都提供快速且便宜的机器学习API。最终我选择了微软的认知服务API来完成这个项目，因为它是唯一提供定制化的人脸识别功能的API。

图2里展示了整个无人机项目的系统架构。




图2：智能无人机的系统架构。图片由Lukas Biewald授权使用



◆ ◆ ◆

手动开始

默认地，Parrot AR无人机2.0版自己可以提供一个无线网络，供客户端接入，但是这个功能却极度烦人。每次你要实验点东西，你都需要从本地网络断开，再连到无人机的无线网里。好消息是，有一个叫ardrone-wpa2的项目，非常有用，用它你可以“黑”进无人机，并让无人机连到你自己的无线网络里。


Telnet到无人机操作系统上并游荡一番是挺有趣的。Parrot无人机使用的是一个简化版的Linux操作系统。你上次Telnet到某个系统上是什么时间哪？下面的命令例子就演示了如何打开一个终端并直接登录到无人机的操作系统上。




◆ ◆ ◆

通过命令行来控制飞机

在安装了node库之后，下一步就是生成一个node.js的命令行运行环境，然后就可以开始控制你的无人机了：

var arDrone = require(‘ar-drone’);
var client = arDrone.createClient({ip: ‘192.168.7.43’});
client.createRepl();
drone> takeoff()
true
drone> client.animate(‘yawDance, 1.0)


如果你按照我上面所说的一步一步地实验到这里，你的无人机肯定已经坠落过了——至少好几次。我已经无数次地把我的无人机的保护外壳给它粘回机身上，直到它彻底解体，随后我只好再买了一个新的。我不得不说，其实Parrot AR型在没有保护外壳的时候飞行得更好。但这种方式会使无人机变得很危险。因为没有保护外壳的话，一旦无人机撞到东西，它的螺旋桨就会直接打到物体上，并留下刮痕。




◆ ◆ ◆

从网页上控制无人机飞行

为无人机开发一个基于网页的控制页面挺简单且效果不错。用如下所示的express.js框架就可以搭建一个很小巧的网页服务器。


var express = require(‘express’);
app.get(‘/’, function (req, res) {
res.sendFile(path.join(__dirname + ‘/index.html’));
});
app.get(‘/land’, function(req, res) {
client.land();
});
app.get(‘/takeoff’, function(req, res) {
client.takeoff();
});
app.listen(3000, function () {
});


我用下面的代码来通过一个按钮发送AJAX请求。


<html>
<script language=’javascript’>
function call(name) {
var xhr = new XMLHttpRequest();
xhr.open(‘GET’, name, true);
xhr.send();
}
</script>
<body>
<a onclick=”call(‘takeoff’);”>Takeoff</a>
<a onclick=”call(‘land’);”>Land</a>
</body>
</html>



◆ ◆ ◆

从无人机上导出视频流

我发现把无人机上的摄像头拍摄的视频导出的最佳方法就是：建立一个持续的连接，并把摄像头拍摄的PNG图片发送到我的网站的网页上。通过使用AR无人机的库（见下面的代码），网页服务器不断地把无人机摄像头拍摄的PNG画面拉取出来。

var pngStream = client.getPngStream();
pngStream
.on(‘error’, console.log)
.on(‘data’, function(pngBuffer) {
sendPng(pngBuffer);
}
function sendPng(buffer) {
res.write(‘–daboundary\nContent-Type: image/png\nContent-length: ‘ + buff
er.length + ‘\n\n’);
res.write(buffer);
});



◆ ◆ ◆

对从无人机获取的图像进行人脸识别

微软的Azure Face API系统很容易上手，且功能强大。你上传你朋友的照片给它，这个系统就能识别出他们是谁。它也能猜测人物的年龄和性别。我发现这两个功能的识别准确率是惊人的高。整个识别的延迟大概是200毫秒。识别1000次请求花费1.5美元。对我而言，这个价格对于这种应用是相当合理的。下面是我的代码，它实现了发送图片给API来做人脸识别的功能。


var oxford = require(‘project-oxford’),
oxc = new oxford.Client(CLIENT_KEY);
loadFaces = function() {
chris_url = “https://media.licdn.com/mpr/mp ... w.jpg”;
lukas_url = “https://media.licdn.com/mpr/mp ... 0.jpg”;
oxc.face.faceList.create(‘myFaces’);
oxc.face.faceList.addFace(‘myFaces’, {url => chris_url, name=> ‘Chris’});
oxc.face.faceList.addFace(‘myFaces’, {url => lukas_url, name=> ‘Lukas’});
}
oxc.face.detect({
path: ‘camera.png’,
analyzesAge: true,
analyzesGender: true
}).then(function (response) {
if (response.length > 0) {
drawFaces(response, filename)
}
});

我用了ImageMagick库来对我收集的PNG图片做打标签，效果相当好。对于这个部分其实可以有很多的扩展可能。比如用一个情感API来识别人脸所表现出来的情感。



◆ ◆ ◆

运用语音来控制无人机

进行语音识别部分开发的难点并不是识别本身，而是如何把语音流从运行在我本地服务器上的网页里转换成微软Speech API可以使用格式。下面的代码就是实现这个功能的。一旦你能把语音保存成单声道和以正确的采样频率采样后，这个语音识别API就能很方便地识别语音内容。这个API的花费是1000次请求4美元。对于业余应用来说，基本相当于是免费了。

RecordRTC是一个很好的库，可以用来作为以网页为客户端的语音采集的新手入门的工具。在客户端，我就加入了保存语音文件的代码。


app.post(‘/audio’, function(req, res) {
var form = new formidable.IncomingForm();
// 设定允许客户在一个请求里上传多个文件
form.multiples = true;
form.uploadDir = path.join(__dirname, ‘/uploads’);
form.on(‘file’, function(field, file) {
filename = “audio.wav”
fs.rename(file.path, path.join(form.uploadDir, filename));
});
// 记录发生的错误日志
form.on(‘error’, function(err) {
console.log(‘An error has occured: \n’ + err);
});
// 一旦所有文件上传完成，才给客户端发相应
form.on(‘end’, function() {
res.end(‘success’);
});
// 解析出请求里包含的表单数据
form.parse(req)
speech.parseWav(‘uploads/audio.wav’, function(text) {
console.log(text);
controlDrone(text);
});
});


我使用FFmpeg工具来降低音频的采样率，并把多声道合并成单声道，以供微软API使用。
exports.parseWav = function(wavPath, callback) {
var cmd = ‘ffmpeg -i ‘ + wavPath + ‘ -ar 8000 -ac 1 -y tmp.wav’;
exec(cmd, function(error, stdout, stderr) {
console.log(stderr); // command output is in stdout
});
postToOxford(callback);
});

尽管我开发的功能就是这些，但是还是可以继续扩展。比如用微软的文字变语音的API来让无人机说话！



◆ ◆ ◆

开发资助搜索路径

我使用ardrone-autonomy库来为无人机开发自主搜索路径。在此过程中，我无数次地把无人机弄得撞到了客厅的家具和植物上。最后，我妻子很“客气”地建议我去车库里继续我的项目，因为那里没多少可以撞的东西。但是车库的地方有点小，使得操控空间有限。





图3：在我的“实验室”里试飞无人机。图片由Lukas Biewald授权使用


在我能有一个更大的实验空间后，我会尝试更智能的搜索算法。不过，现在我还是只会让无人机做起飞和旋转的动作，以此来搜索发现人，并识别是敌还是友。


var autonomy = require(‘ardrone-autonomy’);
var mission = autonomy.createMission({ip: ‘10.0.1.3’, frameRate: 1, imageSize: ‘640:320’});
console.log(“Here we go!”)
mission.takeoff()
.zero()         // 把当前状态作为参考基准
.altitude(1)
.taskSync(console.log(“Checkpoint 1”))
.go({x: 0, y: 0, z: 1, yaw: 90})
.taskSync(console.log(“Checkpoint 2”))
.hover(1000)
.go({x: 0, y: 0, z: 1, yaw: 180})
.taskSync(console.log(“Checkpoint 3”))
.hover(1000)
.go({x: 0, y: 0, z: 1, yaw: 270})
.taskSync(console.log(“Checkpoint 4”));
.hover(1000)
.go({x: 0, y: 0, z: 1, yaw: 0
.land()



◆ ◆ ◆

结论

在一切都配置妥当之后，就可以通过API来控制无人机，获得拍摄到的视频图片，这一切都爽爆了！随着新的图像识别技术可供使用，可能的应用必将越来越多。比如，让无人机根据房屋平面图来刷墙。虽然Parrot无人机并不是设计来为在狭小空间（比如我的房子）里安全飞行的，但随着无人机越来越皮实，价格变得更低，我相信真正有用的应用将会进入爆发期。


微软的认知服务云API是相当得好用且便宜。最初我比较担心无人机所用的广角摄像头所拍摄的图片会影响人脸识别的准确度，另外螺旋桨的噪声可能会对语音识别产生干扰。但整体而言，这两个API的表现远超我的期望。同时处理延迟也低于我的预期。从架构设计角度来看，在云端运行机器学习实时图像处理似乎是一个奇怪的选择，但它可能会成为未来很多应用的架构选择。

 

Lukas Biewald

CrowdFlower创始人兼CEO。CrowdFlower始于2009年，是一个数据增强平台，帮助企业获得随需的人力来收集、产生训练数据，以及参与人-机器学习循环的工作。 在从斯坦福大学拿到数学学士和计算机科学硕士学位后，Lukas领导了雅虎日本的搜索相关团队。随后他去了Powerset，作为一个资深数据科学家进行工作。2008年Powerset被微软收购。Lukas还被《公司》杂志评选为30位30岁以下的著名人士。 Lukas还是一位专家级的围棋选手。




本文授权转载自OReillyData
智造家提供 查看全部

飞控系统是无人机的核心控制装置，相当于无人机的大脑，是否装有飞控系统也是无人机区别于普通航空模型的重要标志。

在经历了早期的遥控飞行后，目前其导航控制方式已经发展为自主飞行和智能飞行。导航方式的改变对飞行控制计算机的精度提出了更高的要求；
 
随着小型无人机执行任务复杂程度的增加，对飞控计算机运算速度的要求也更高；而小型化的要求对飞控计算机的功耗和体积也提出了很高的要求。高精度不仅要求计算机的控制精度高，而且要求能够运行复杂的控制算法，小型化则要求无人机的体积小，机动性好，进而要求控制计算机的体积越小越好。







在众多处理器芯片中，最适合小型飞控计算机CPU的芯片当属TI公司的TMS320LF2407，其运算速度以及众多的外围接口电路很适合用来完成对小型无人机的实时控制功能。

它采用哈佛结构、多级流水线操作，对数据和指令同时进行读取，片内自带资源包括16路10位A/D转换器且带自动排序功能，保证最多16路有转换在同一转换期间进行，而不会增加CPU的开销；40路可单独编程或复用的通用输入/输出通道；5个外部中断；集成的串行通信接口（SCI），可使其具备与系统内其他控制器进行异步（RS 485）通信的能力；16位同步串行外围接口（SPI）能方便地用来与其他的外围设备通信；还提供看门狗定时器模块（WDT）和CAN通信模块。

飞控系统组成模块

飞控系统实时采集各传感器测量的飞行状态数据、接收无线电测控终端传输的由地面测控站上行信道送来的控制命令及数据，经计算处理，输出控制指令给执行机构，实现对无人机中各种飞行模态的控制和对任务设备的管理与控制；同时将无人机的状态数据及发动机、机载电源系统、任务设备的工作状态参数实时传送给机载无线电数据终端，经无线电下行信道发送回地面测控站。






按照功能划分，该飞控系统的硬件包括：主控制模块、信号调理及接口模块、数据采集模块以及舵机驱动模块等。

模块功能

各个功能模块组合在一起，构成飞行控制系统的核心，而主控制模块是飞控系统核心，它与信号调理模块、接口模块和舵机驱动模块相组合，在只需要修改软件和简单改动外围电路的基础上可以满足一系列小型无人机的飞行控制和飞行管理功能要求，从而实现一次开发，多型号使用，降低系统开发成本的目的。系统主要完成如下功能：






（1）完成多路模拟信号的高精度采集，包括陀螺信号、航向信号、舵偏角信号、发动机转速、缸温信号、动静压传感器信号、电源电压信号等。

由于CPU自带A/D的精度和通道数有限，所以使用了另外的数据采集电路，其片选和控制信号是通过EPLD中译码电路产生的。

（2）输出开关量信号、模拟信号和PWM脉冲信号等能适应不同执行机构（如方向舵机、副翼舵机、升降舵机、气道和风门舵机等）的控制要求。

（3）利用多个通信信道，分别实现与机载数据终端、GPS信号、数字量传感器以及相关任务设备的通信。由于CPU自身的SCI通道配置的串口不能满足系统要求，设计中使用多串口扩展芯片28C94来扩展8个串口。

系统软件设计

该系统的软件设计分为2部分，即逻辑电路芯片EPLD译码电路的程序设计和飞控系统的应用程序设计。






逻辑电路程序设计

EPLD用来构成数字逻辑控制电路，完成译码和隔离以及为A/D，D/A，28C94提供片选信号和读/写控制信号的功能。

该软件的设计采用原理图输入和VERILOG HDL语言编程的混合设计方式，遵循设计输入→设计实现→设计校验→器件编程的流程。系统使用了两片ispLSI1048芯片，分别用来实现对A/D，D/A的控制和对串口扩展芯片28C94的控制，参数来源于翼趣无人机网。

系统应用程序设计

由于C语言不但能够编写应用程序、系统程序，还能像汇编语言一样直接对计算机硬件进行控制，编写的程序可移植性强。由于以DSP为核心设计的系统中涉及到大量对外设端口的操作，以及考虑后续程序移植的工作，所以飞控系统的应用程序选用BC 3.1来设计，分别实现飞行控制和飞行管理功能。






软件按照功能划分为4个模块：时间管理模块、数据采集与处理模块、通信模块、控制律解算模块。

通过时间管理模块在毫秒级时间内对无人机进行实时控制；数据采集模块采集无人机的飞行状态、姿态参数以及飞行参数、飞行状态及飞行参数进行遥测编码并通过串行接口传送至机载数据终端，通过无线数据信道发送到地面控制站进行飞行监控；姿态参数通过软件内部接口送控制律解算模块进行解算，并将结果通过D／A通道送机载伺服系统，控制舵机运行，达到调整、飞机飞行姿态的目的；通信模块完成飞控计算机与其他机载外设之间的数据交换功能。






利用高速DSP控制芯片在控制律计算和数据处理方面的优势及其丰富的外部资源，配合大规模可编程逻辑器件CPLD以及串行接口扩展芯片28C94设计小型机载飞控计算机，以其为核心设计的小型无人机飞控系统具有功能全，体积小，重量轻，功耗低的特点，很好地满足了小型无人机对飞控计算机高精度、小型化、低成本的要求。该设计已成功应用于某验证无人机系统。
 
 
 
来源：1号机器人

智造家提供 查看全部

无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，正在实现帮助人类完成大量的空中作业，包括喷洒农药、送快递、航拍、电路巡检、远程勘探、娱乐体验等应用方向。

近年来，由于无人机产业的快速发展，其市场格局也逐步确定。无人机不再是专业用户的特属，也逐步走近了普通用户的生活。而工程塑料也逐步取代了原有的金属材料应用于无人机的材料构成。

工程塑料是一类可以作为结构材料在较宽的温度范围内承受机械压力，在较为苛刻的化学和物理环境下使用的高性能高分子材料。它是一类强度、韧性、耐热性、硬度、以及抗老化性能均衡的高性能材料，被广泛应用于工业零件和外壳材料。

无人机的机身、机翼、护翼、起落架等部件都可以使用工程塑料，除了可以节约成本之外，还具有金属不具备的优势。

1、减轻机身重量，提升续航能力；

2、降震减噪，提升整机抗冲性能；

3、减少金属材料对远程信号干扰；

4、简化成型工艺，提升产品结构设计灵活性。



目前无人机应用的工程塑料主要有改性PC、PP、PA，以下是聚赛龙推荐的无人机材料方案：

推荐材料方案一：SE9547

应用：机身

特点：

1、高韧性，高低温冲击不开裂；

2、可电镀，易喷涂；

3、高强度，高模量；

4、高流动，易加工

材料物性表：


 
推荐材料方案二：PP1120HF

应用：机翼

特点：

1、高强度、高模量 ；

2、低翘曲；

3、高韧性，可满足跌落测试 ；

4、高流动，适合薄壁制件

材料物性表：


 
推荐材料方案三：PP310

应用：护翼

特点：

1、高韧性，高空跌落不开裂 ；

2、能有效吸收撞击能量 ；

3、耐候性能好；

4、易加工成型

材料物性表：


 
推荐材料方案四：PAFG430

应用：起落架

特点：

1、高强度，高刚性；

2、高流动易加工

材料物性表：




推荐材料方案五：碳纤维增强PC、PA材料

应用：机翼、起落架、机身

特点：

1、地比重；

2、高强度 ；

3、电导率高；

4、耐磨性

碳纤维是一种含碳量在95%以上的高性能富碳材料，其具有：低比重(钢材的1/4)、高强度(钢材的7倍)、电导率高、耐磨性好、高温环境惰性好等特点，被称为“材料之王”。

碳纤维增强PC、PA等材料用于制作机翼、起落架、机身等能显著提高材料强度，降低整机重量。
 
 
 
来源：1号机器人

智造家提供 查看全部