英特爾實驗室和墨西哥國立理工學院的科學家們最近研究了一種框架，可以在雜亂的未知環境中實現無人機自主導航。

　　尖端無人機可以毫不費力地駕馭障礙物環境，但是當面對前所未有的景觀，如茂密的樹林或迷宮時，則難以自主地到達目的地。

　　在未知的雜亂環境中進行自主導航是機器人技術中的基本問題之一，應用于搜索和救援，信息收集和工業和民用結構的檢查等，盡管機器人平臺和環境的某些組合，映射，規劃和軌跡生成可以被認為是成熟的領域，但是仍然缺少在一般環境中組合來自所有這些領域的元素用于無人機導航的框架。

　　在涉及英特爾Ready to Fly無人機套件的定性和定量測試中，他們表示他們的實時、設備上的算法系列實現了最先進的性能。

　　該團隊的算法框架專為配備3D傳感器和里程計模塊的無人機而設計，包括三個部分：（1）生成從無人機深度傳感器獲得的測量值之間差異的映射的算法，（2）路徑生成模型，考慮視場限制空間被認為是安全的導航，（3）生成穩健運動計劃的模型。

　　在映射階段，算法從視差深度圖像和測距法計算一個點云，并將其添加到無人機占用空間的地圖表示中。在上述路徑規劃過程中，會生成一個探測動作，在后續階段，框架會創建一個軌跡，將機器人從當前狀態驅動到下一個計劃動作。一直以來，這些模型都試圖確保無人機的偏航方向，即它繞垂直軸旋轉或振蕩的方式與運動方向一致，主要是通過采用速度跟蹤偏航方法。

　　為了測試其框架的穩健性，研究人員在四個真實環境（3D迷宮，工業倉庫，雜亂的實驗室和森林環境）和虛擬環境中使用機器人操作系統Kinetic（一種流行的開源機器人）進行了實驗。

　　他們報告說，在其中一項測試中，與基準算法的103.2毫秒和35.5毫秒相比，它實現了3.37毫秒的運動時間，并且其平均映射時間為0.256毫秒，而基準算法為700.7毫秒和2.035毫秒。

　　當然，這并非一帆風順。該團隊指出，算法往往會產生比測試基準更大的路徑，并且無法在非常狹小的空間的迷宮模擬中到達目標目的地。但他們表示，該研究可能會改進系統整合軌跡跟蹤和動態障礙預測，這可能使未來的無人機能夠在擁擠的環境中更有效地導航。