1.媒體來源:
iThome
2.完整新聞標題:
科學家以汽車、腳踏車行駛資料訓練出可自動飛行的無人機
3.完整新聞內文:
傳統的無人機若要做到自動飛行，必需仰賴地圖、定位及感測器，蘇黎士大學的科學家利
用汽車、腳踏車的行駛資料，讓無人機在沒有感測器下也能自動飛行，遵守交通規則，例
如不飛到對向車道，順暢轉彎、閃避行人等等。
文/蘇文彬 | 2018-01-31發表
蘇黎士大學（University of Zurich）的機器人與感知小組實驗室以更省力的方法打造出
可自動飛行的無人機，他們藉由人工智慧，以及汽車及腳踏車的行駛資料來取代稠密且耗
電的感應器，讓無人機能夠在城市的街道上順暢地轉彎、避免碰撞，而且無人機所學習到
的航行策略是通用的，就算在缺乏訓練資料的室內空間，也無礙它的自動飛行。
無人機的演進已讓人們期望它能應用在許多場景中，像是空中監視、送貨，或是監控既有
的建築物，但在城市環境中部署卻多所受限，特別是當要求無人機要在非結構化且經常變
化的環境中還能安全地自動飛行時。
大多數可自動飛行的無人機是仰賴地圖、定位與路線規畫三大要件，先建置一份地圖，再
將物件定位，接著規畫安全的移動路徑，然而，這樣的作法需要複雜、昂貴且耗電的感應
器與電腦，對於自動飛行無人機的商業化而言並不切實際。
因此，研究人員以汽車及腳踏車的行駛資料來取代上述所需的硬體。
該實驗室打造了名為DroNet的卷積神經網路（convolutional neural network），替每個
輸入的影像製造出兩種輸出結果，一是轉彎的角度，讓無人機在飛行時能夠閃避障礙物，
二是碰撞的可能性，訓練無人機辨識危險狀況並迅速作出反應，同時藉由行駛在道路上的
汽車與腳踏車所蒐集的資料進行訓練。
DroNet透過汽車在道路上繞了數小時的影片來判斷轉彎角度，綁在腳踏車上的GoPro所拍
攝的影片則可讓DroNet學習碰撞機率。
從該實驗室所發表的影片可看出（下），自動飛行的無人機在公開道路上可遵循基本的交
通規則，例如不隨意飛向對面車道，還能流暢地轉彎，閃避行人與各種障礙物。
https://youtu.be/ow7aw9H4BcA
此外，研究人員也發現上述訓練可達到某種程度的通用性，就算沒有輸入新的資料，無人
機也能在室內、走廊或其他環境中自動飛行。
此一研究已刊登在最新一期的《 IEEE Robotics and Automation Letters》機器人期刊
上。
4.完整新聞連結 (或短網址):
https://www.ithome.com.tw/news/121031
5.備註:
馬路新三寶：人類、自駕車、無人機