飞狸AI自动识别的视频解说：
大家好，我们知道现代战争格局已经发生了翻天覆地的变化，一台小小的无人机能炸遍全天下，它一起飞几十亿美元的大型飞机就被它给炸毁了，所以说现在各个国家都在大力发展无人机技术啊，今天国际社会上用的大多数这个军用无人机，它都是后面还是有一个非手段的操控它的，可是这样有一个很大的弊端，就是数量太少，培训一个这种专业无人机驾驶员的这种成本很高啊，而且一个无人机驾驶员他一次只能操纵一架无人机啊。

所以说随着今天同时另一项赛道AI技术的大力发展，现在有一种全新的无人机作战体系被提出来，叫蜂群无人机，顾名思义就是一大群无人机，大家应该看过那种无人机空中表演啊，一大群无人机在空中很壮观的布成一个那个光幕，但它并不是蜂群无人机作战，它的智能化程度很低，它是用电脑提前编好了每个无人机在哪里，无法构成有打击能力的军事团体，如果你想让一个无人机蜂群拥有这种啊智能化的打击能力的话，让他在复杂世界啊，可能是巷战，可能是丛林，可能到时候天上的GPS都给你关了。

你还要让这个无人机蜂群像一个真的活的一个群体一样去智能的打击一个目标，有没有可能做到呢？

目前世界上各个国家都在研制这个技术，我们国家啊，浙江大学有一位高飞教授，他在这方面做出了一个很令人瞩目的成果，今天跟大家分享一下，那我就现在你们看一段他的无人机团队做出来的这个真实成果啊，啊，你们看这个无人机蜂群起飞，他们是在这个密林里面啊进行实验，你们记住，一开始这个无人机编队是编成两排的啊，现在他们在穿越这个竹林，你们仔细观察，可以看见这个林子里面有很多这种小的枝叶啊，树枝所组成障碍物完全不空旷，这些无人机非常智能的啊，绕了过去这段路，像其实我来回看了好多遍，你们如果仔细去观察的话，会发现每一架无人机它的路径都非常的有规律，你看这个无人机群现在绕过一个非常非常密集的一个区域，最后来到空旷地带，顺利完成这个任务，如果你们细心观察的话，会发现这个无人机蜂群到达终点以后，他们之间的编队跟他们起点的时候是几乎一样的，也就是说这个无人机蜂群它每一个小无机都知道自己在这个编队里的位置，行军完毕以后，他们依然归到一个整队里面，每一架无人机都在智能安排自己的路线。

高飞教授把这个成果啊作为论文发表在了science robotic上，一个很国际知名的机器人期刊，论文名字叫swarm of microf flying robots in the wild野外的微型飞行机器人群。

这篇论文详细阐述了它是如何解决让一个无人机群在野外环境这种非常复杂的环境中顺利穿行，自主导航。

注意，这群无人机是没有GPS的，而且不需要人为控制，就是说哪怕敌人给你信号屏蔽，信号干扰了，而且卫星都给你关了，这个无人机群一样能自主行动，自主穿越树林，那他能做到吗？

首先我们看一下这个小机器人长什么样，就像这个样，就是很小的一个无人机，它的一个边长就8cm，我这个手机的这个宽度啊，这个宽度是7.5cm，也就是说高飞教授这个小无人机差不多就是这么大的一块区域，正方形的这么一块区域，就这么小的一个无人机，比我的手掌还要小得多，却拥有如此这般的智能，那么它的核心零件有有两。

一个是这个小机器人的大脑啊，也就是它的AI计算模组，是英伟达的zav v NX模组，英伟达号称这个是全球最小的AI超级计算机，这么一个小模块，我看淘宝上要卖5000块钱，然后这个小机器人的眼睛，就它前面那个摄像头是英特尔的实感深度模块D430，这个模块淘宝上要卖四五百块钱，它是一个立体深度摄像头，就是能实时的将面前的呃，看到任何东西啊，以一个立体画面的形式反馈给你，这两个是这个小机器人的核心组件啊，其他的你像什么电机啊，然后框架电池啊，这都无所谓了啊，任何一个厂家都可以做，高飞教授他们的团队，实际上关键技术就是这个算法，通过一个这个3D景深摄像头，一个这个AI计算模块来实现他们的这样一个智能自主蜂群导航的算法，让这个蜂群能在野外自由行动，他们的算法啊，一个单词总结叫做多目标时空轨迹联合优化，什么意思？

多目标，比方说你只有一个无人机的话，你在哪怕是一片树林里面，它只需要穿越这一个一个障碍物，穿越每个障碍物就是一个目标，那么对于一个蜂群来说，有很多障碍物，就是多目标，然后时空轨迹联合优化，就是在时间和空间上对整个蜂群的全部轨迹进行联合，同时优化。

什么意思？

这个高飞论教授的论文里就提到啊，以前很多其他不那么先进的蜂群无人机算法里，就是遇到我这个障碍物的话，我先让啊号打投掷，能无人机过去，其他无人机在旁边排队，然后他过去你过去，他过去你过去，这就是很蠢，不需要什么智能的这种方法。

时空轨迹联合优化就是在时间和空间维度，将整一个无人机集群编队的形状啊的顺序进行智能联合，你比方说我前面这片树林，可能这个地方有一个锥形通道，如果你没有联合优化的话，这群无人机先是一个球形一起飞，飞到锥形这个地方飞不过去了啊，一个一个一个走过去，这样就很慢，如果是联合优化的话，他们一起发现前面有一个锥形通道，那么在进入锥形通道之前，这个圆形的这个无人机蜂群直接变成一个锥形嵌进去。

嵌进去，他们就能以最高的效率通过这个轨道，而不需要浪费很多不必要的轨迹。

因为你如果有一群无人机在那里等着啊，干等着你一个一个穿的话，那对于整个蜂群的时间、效率，还有它的能量损耗是很大的，所以这就是联合优化，这种优化方式解决了team矛盾，使得计算收敛速度更快。

什么是team矛盾？

T trajectory optimal, 叫轨迹最优性，就是怎么样我能把这个机器人的轨迹飞的最好。

E extensibility啊，可扩展性。

第二个e economical computing啊，经济计算m miniure size, 小型化，微型化，就是对于一个无人机风群来说，我希望它的轨迹是最优的啊，就是时间啊，速度最好，同时它要能可扩展，类似于挂炸弹跟踪某个目标，对他进行包围啊，种种的扩展啊，并不只是单一功能，然后经济计算，就是他要能以很节省很快速的方式完成这些扩展啊，轨迹计算，因为这个无人机太小了，就一个巴掌大，巴掌大能有多大的电池啊，你如果搞个超级计算机晒上去搞那个算法很复杂，他光思考自己怎么走，就把电耗没了，最后一个小型化。

啊，就要做的很小，那么通过高飞教授他们的这个优化算法啊，解决了team矛盾，通过这种极其高效的算法啊，哪怕在很小的这个体系里面，我也一样实现了如此高智能的能力，怎么实现呢？

首先啊，第一个小算法，约束转路法，将所有的目标和约束转化为加权惩罚，就是将整个蜂群所遇到的所有目标以及约束，什么是约束？

就比方说整个路径的这个平滑度呀，你怎么样最优化你的距离，最优化你的时间，怎么样安排无人机和无人机之间的这个距离，以保证他们既能密集度足够高，却快速通过间隙，同时又不至于让他们之间互相碰到啊，以以发生坠机啊，就是将飞行过程中种种种种情况通通变成种种这种复杂的目标情况，判定进行很复杂的这个惩罚机制分配，总之就是在优化问题中将约束条件转化为目标函数惩罚项的这种数学处理技术。

那么在穿过密林的时候，这个蜂群在凌乱的四处穿梭，你怎么样精确的定位每一台无人机，这是一个很大的问。

点啊，那么他们用了两种方式，第一个是最标准的，在每架无人机上运行独立的视觉惯性里程器，进行粗浅的空中集群定位，就是通过刚刚说的那个3D景深摄像头，它既然能给你距离信息的话，那比方说我现在离它的距离是1米，我靠近了，离它0.5米了，那我就往前走了，0.5米就是这么一个原理。

但是这个的问题是它的精度是有限的，我这个墙的参照物是固定静止的，但你如果在一个树林中，假如风一来，所有的树木都在亿，你没有一个固定的餐照物怎么办？

再包括本身这个摄像机它的像素点是有限的，它不可能进行完全精准的定位，如果说你这个风群在很复杂面令里面飞行一公里，它的误差很可能就大到完全算乱套了，这个风可能就到处乱撞，所以说他们在这个视觉惯性里程机上又加上了基于小型机载超宽带UWB传感器的分散式漂移矫正算法。

你看首先UWB这个东西在苹果手机上也很早就用到了，就是你把这个手机指哪儿，另一台苹果手机或者是苹果音。

然后他就知道你在指着他，但是苹果手机是没有那个红外光线的，就是不是遥控器，它是里面有一个叫UWB芯片，这是一种雷达芯片，这个芯片发出信号被那个另一台智能设备接收到，接收设备再传回来，通过他们算这个时间差，它能确定你这个手机两端距离它的位置，它算出来这一端近，这端远，所以说你在指着它，如果它算出来这端远，这端近，那么说明你没在指着它啊，这是UWB技术的原理，那么这每一台小型无人机上，他们都安装了这个UWB雷达，使得每一台无人机之间都能进行相互测距，那么基于这个技术，他们开发了分散式漂移矫正算法，有分散式，那自然就有集中式漂移矫正算法，每个人的手里的智能手机，它校准你这个时间就是集中式漂移矫正，手机里它是有那个电子时钟的，有那个石英晶体的震荡，它是会有误差的，但是为什么打开手机，大家所有人的手机上的时间都是一模一样的呢？

就是因为他每天早上都会和比方说美国服务器，中国服务器的那台原子中进行。

统一对10，这就叫集中式漂移矫正，那么分散式漂移矫正就是每两架无人之间，本来我靠这个视觉惯性定位，我跟你的距离应该是1米，然后我跟它的距离3米，啊，那么第二台无人机算不对啊，UWB说你跟我只有半米了，我跟他有5米，他就想哇，坏了，那么在互相进行矫正，问一下我跟第三台UWB，哦，原来间隔真的有5.5米，这样分散式矫正多架无人之间进行相互的数据对比，分散式的进行啊，你我他，你我它之间的这种矫正，最后再进行数据汇总，比方说我这十十个手指，每个手指代表一个无人机，他们飞着飞着，本来他们应该是这个距离，结果世界的关键算法变成这样了，他们在分散式矫正啊，这三个手指，诶，我们应该是这样，他们仨Z矫正A应该是这样，最后把本来是漂移成这样的一个集群啊，又矫回矫正回这样了，就类似于这么一个道理，那么他们每台无人机都配备了完整的感知、定位、规划和控制能力，并通过共享轨迹的广播网络松散耦合，每台无人机它都有这个警示摄像头啊，UWB芯片啊，还有那个。

AI大脑，所以说这个蜂群里面没有母体啊，每一个单元都是一个完整的智能体，通过共享轨迹呢，形成了一个广播网络的松散耦合，耦合指的就是配合或者说嵌合，你比方说我这两个手本来是松散的，我这样在一起了，那么就叫我这两个手耦合了，这是一个工程技术用语，指的是整个系统之间，各个零件啊，各个单元之间的配合程度，那么这样一个无人机集群，每个单独的无人机，它通过各种思考，广播自己的数据，在接收别人的数据，整个集群形成了一种松散的耦合，并不是严格的啊，我一定要怎么样搭配，而是通过实时变换的各种信息啊，通过我们刚才说的什么啊，视觉惯性里程记啊，UW芯片那种漂移分散、矫正，再结合啊，约束转录法，他们虽然松散，但耦合在了一起，因为在整个自然界中，比方说这个树林，树林的目标就是很松散很复杂的，你的机群需要时时刻刻针对这个复杂的树林进行千变万化的调整啊，每台无人机机之间他们要耦和，要配合，但又不能固定的形成某一种。

可是因此就叫做松散耦合，他说，啊，巧合，但合理的是所提出的系统类似于能够在森林中自由飞行，同时避开障碍物和其他移动生物的鸟类。

高飞教授他们发现，诶，自己做着做着，我并没有想模仿这个自然界中的什么生物，但是他们发现他们所注射的这个系统很像鸟类，鸟类能够同时调整路径和速度以避免碰撞，同时考虑飞行时间和平滑度以节省能量。

基于以上的这些算法啊，他们提出了这个多目标时空轨迹联合优化，形成了一个弱集中分布式的群体组织，这种群体组织表现出了更高的鲁棒性和弹性啊。

鲁棒性就是指的坚韧性啊，耐外界冲击性啊。

类似于这样做达到成果是什么样呢？

这张图片就是刚刚这些无人机飞跃竹林时候，实时在这个无人机的集群网络里面形成的3D地图，这是一个3D地图啊，只不过我们从上往下看，矮的地方用绿色表示，高的地方紫色表示。

我们如果放大这个图像，你可以看到啊，每一条线代表一个无人机，你可以看到。

它的路线是非常非常平滑的，每一台的轨迹都没有一个固定的定数，但是整个编队却非常丝滑的穿越了这个非常非常复杂的竹林。

这三张图最左边是最开始的这种很粗浅的无人机集群算法，它就是遇到一个障碍物我就躲，往前进再躲，如果有好几个无人机，那就排队。

最原始的这种无人机算法啊，它所形成的这个路径非常杂乱啊，有很多的这个能量损耗。

右边这个eagle swarm, 它是一个改进版本，这个路径平滑了很多，然后再看高飞教授他们这个版本，几乎每个无人机完全飞的是一个直线，非常完美平滑的绕过了这个障碍物。

好，那这就是高飞教授的这一篇论文，我其实还研究了他其他论文，你如果去研究他的论文列表的话，他在发表这一篇很重磅性的论文之前，已经做了很多很多的铺垫，积累了相当多的算法的技术。

好了，朋友们，那这就是关于高飞教授的无人机集群技术总结了，我不知道我有没有给你们讲解的足够清楚啊，反正希望大家听得开心，我这道周真的太忙了啊，今天早上挤出时间给大家录个视频啊，一会儿马上就出门。

对吧，随着我最近在这些领域的深入啊，看到咱们中国很多很多科学家搞出的种种技术，哎呀，我看的时候真的是哦，心潮澎湃，整个国家啊，还有很多很多人真的是在日以继夜的孜孜不倦的研究这些很厉害的东西，那我接下来也会继续跟大家分享很多很多我所见闻的这些高新技术突破，反正希望大家喜欢，祝大家身体健康，生活愉快啊，那这一面到这里谢谢大家。