10 月份，在加州的一个仓库里，四旋翼无人机呼啸着、嗡嗡响着，穿过由黑白格子拱门组成的障碍赛道。其中一支队伍：由软件和人工智能导航的无人机，这是 NASA 喷气推进实验室团队的成果。而另一边：一架由人类专业选手——谷歌工程师兼无人机赛车联盟飞行员 Ken Loo 驾驶的无人机。
官方结果如何？算上人类一分。人类驾驶的无人机平均完成赛道的时间比软件驱动的飞行器快了 2 秒多。
这场比赛突显了在这种情况下，人类和机器的学习方式不同，以及人工智能导航的无人机是如何工作的。以下是该系统的工作原理——以及未来的比赛可能产生截然不同的结果。
无人机如何知道自己的位置
为了让 NASA 的无人机成功地在赛道上飞行，设备需要知道它们在空间中的位置。为此，它们使用了两个机载摄像头——一个向前看，另一个向下看，这是中高端消费级无人机的常见配置。其他机载传感器测量无人机的加速度和旋转。在户外飞行的无人机可以使用 GPS，但当在室内、复杂环境中以每小时 30 到 40 英里的速度飞行时，GPS 就不可行了。
无人机还需要一个板载的、三维的赛道地图，这样它就可以将摄像头看到的与内部地图进行匹配，并知道自己实际在哪里。这个过程被称为重定位。喷气推进实验室的项目负责人 Robert Reid 表示，它可以每秒重定位几次。
“只要你离现有地图足够近，”他说，“我们不太可能坠毁。”
对于这项研究（由谷歌资助），NASA 团队使用了谷歌 Tango 的技术，这是一种增强现实平台，运行在两款智能手机上，Lenovo Phab 2 Pro 和 Asus ZenFone AR。至关重要的是，相同的技术也可以创建无人机在这种情况下飞行所需的 3D 地图。
它如何导航
就像赛车手学习赛道一样，无人机需要知道最快的路线才能快速到达目的地。“我们要么用手搬着无人机绕赛道，要么手动驾驶它，”Reid 说，“这样我们就可以教无人机赛道在哪里。”
但这只是开始。从那里开始，团队通过在计算机上建模来找出无人机应该采取的最佳路线。这个过程允许人类参与，并确保路径实际上是安全的，能让昂贵的无人机保持完好无损。换句话说，在这场比赛中，无人机并不是完全凭一己之力找到最佳飞行方式——人们参与其中。从这个意义上说，它不是一个真正的、独立的]人工智能系统，比如，例如，]Facebook 上的]语言翻译]由其自动驱动。
然后，在无人机被编程好路线后，就可以开始比赛了。Reid 强调，虽然路线规划实际上是在无人机外部进行的，但将来可以使用无人机自带的计算机来完成。
学习飞行
对于 10 月份的]实际比赛]，NASA 团队和 Loo 都必须在几个小时内学习新赛道并做好准备。但人类和人工智能驱动的无人机实际学习方式是不同的。
Reid 说，Loo 通过多次飞行赛道来快速学习。但 NASA 团队的做法不同。“我们只需要飞一次，然后我们可以坐几个小时来计算数据以变得更好，”他说。有趣的是，这个优化过程——使用算法来找出最佳路线——花费了大量时间。
“人类飞行员必须通过飞行来学习——而我们可以记录下来，即使不驾驶无人机也能学习，”Reid 说。
如果 NASA 团队那天有更多时间来运行软件并找出绕赛道的最佳路线，那么比赛成绩可能会有所不同——AI 无人机可能会击败人类。
Reid 说，他们正在努力提高算法的效率，以便将来计算最快路线所需的时间会更少。然后就可以开始比赛了。请记住：与人不同，软件不会疲倦。
