Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

无人机

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

来源:维基百科
简介

无人机是无人驾驶飞行器的首字母缩写,这是一种没有飞行员的飞机。无人机可以是遥控飞机(例如,由地面控制站的飞行员驾驶)或者可以基于预编程的飞行计划或更复杂的动态自动化系统自主飞行。无人机目前用于许多任务,包括侦察和攻击。出于本文的目的,并且为了区分无人机和导弹,无人机被定义为能够受控制的,持续的水平飞行并且由喷气式或往复式发动机提供动力的飞机。此外,巡航导弹也可以被认为是无人机,但是需要在车辆是被视为武器的基础上单独对待。首字母缩略词UAV在某些情况下已经扩展到UAVS(无人驾驶飞行器系统)。美国联邦航空局采用了首字母缩略词UAS(无人机系统)来反映这些复杂系统实际上包括地面站和除实际飞行器之外的其他元素的事实。然而,UAS一词并未被广泛使用,因为无人机已成为现代词典的一部分并且广为人所接受。

无人机的军事作用正以前所未有的速度增长。 2005年,仅战术和战区级无人机(UA)已飞行超过100,000飞行小时,以支持“持续自由行动”(OEF)和“伊拉克自由行动”(OIF)行动。技术的快速发展使越来越多的能力被放置在较小的机身上,这导致了在战场上部署的SUAS数量的大量增加。在战斗中使用SUAS是一个比较新的战术,以至于目前还没有任何正式的国防部广泛报告程序来跟踪SUAS飞行时数。随着所有类型无人机的能力不断增强,各国继续补贴其研究和开发,从而进一步推动其能够执行多项任务。无人机不再仅仅执行情报,监视和侦察(ISR)任务——尽管这仍然是他们的主要任务——它们的角色已经扩展到包括电子攻击(EA),打击任务,敌人防空(SEAD / DEAD)抑制和/或破坏,网络节点或通信中继,战斗搜索和救援(CSAR)以及这些主题的相关领域。 这些无人机的成本从几千美元到数千万美元不等,这些系统中使用的飞机的尺寸范围从重量不到一磅的微型飞行器(MAV)到重量超过40,000磅的大型飞机。

无人机的类型可以分为以下几种:

  1. 作为目标和诱饵 - 为地面和空中射击提供模拟敌机或导弹的目标
  2. 侦察 - 提供战场情报
  3. 战斗 - 为高风险任务提供攻击能力(参见无人作战飞行器)
  4. 研究和开发 - 用于进一步开发无人机技术,以集成到现场部署的无人机飞机
  5. 民用和商用无人机 - 专为民用和商业应用而设计的无人机。

从无人驾驶程度来讲,大多数早期的无人机根本不是自主的。一些早期的无人机被称为无人机,只是因为它们并不比由人类飞行员(有时称为操作员)一直控制的简单无线电控制飞机复杂。一些比较复杂的版本可能具有内置控制和/或引导系统,以执行低级人类飞行员的职责,例如速度和飞行路径稳定,以及简单的规定导航功能,例如航路点跟随。事实上,飞行器自主领域是一个新兴的领域,主要由军方推动,为作战人员开发战备技术。与无人机飞行硬件的制造相比,无人机自动驾驶技术市场相当不成熟和不发达。

由于自主(Autonomy)通常被定义为在没有人为干预的情况下做出决策的能力。为此,自主的目标是教导机器“聪明”并且更像人类。敏锐的观察者可能会将其与20世纪80年代和90年代流行的人工智能领域的发展联系起来,如专家系统,神经网络,机器学习,自然语言处理和视觉。然而,自主领域的技术发展模式大多采用自下而上的方法,最近的进展主要是由控制科学领域的从业者推动,而不是计算机科学。同样,自主已经并且可能将继续被视为控制领域的延伸。然而,在可预见的未来,这两个领域将在更大程度上合并,来自两个学科的从业者和研究人员将共同努力,在该领域产生快速的技术发展。

[描述来源:https://www.theuav.com/]

发展历史

描述

最早记录的无人驾驶飞行器用于作战的用途发生在1849年7月,当时是作为气球载体(航空母舰的前身),也是海军首次使用空中力量——围攻威尼斯的奥地利军队试图在被围困的城市发射大约200枚燃烧气球,这些气球主要是从陆地上发射的,但也有一些是从奥地利的船舶SMS Vulcano发射的。

无人机创新始于20世纪初,最初的重点是提供训练军事人员的实践目标。美国与德国都尝试以飞机携带大量炸药,经由飞行员直接或者是透过另外一架飞机控制,对特殊目标进行精确度较高的攻击。德国是以战斗机加上无人轰炸机的槲寄生型态使用于东线战场。美国试验性的使用B-17轰炸机作为炸药的载具,飞行员在最后阶段启动自动飞行装置之后跳伞,飞机则在预设的飞行之后撞击目标。

1916年最早尝试使用动力无人机的是A. M. Low的“空中目标”。第二次世界大战之后有数种发展路线。一种是以退役的飞机改装成为特殊研究或者是靶机。一种是以专门设计的小型无人飞机担任特殊的侦查或者是试验任务,第三种是以小型无人飞机取代大型飞机的任务。随着电子技术的进步,无人机在担任侦查任务的角色上开始展露他的灵活性与重要性。

无人机的使用是极具实用价值的,1967-1970年期间发生的消耗战的特色是在中东引入无人机侦察摄像机;在1973年的赎罪日战争中,以色列使用无人机作为诱饵来刺激对方部队浪费昂贵的防空导弹。在越战期间,美国就曾经使用大量的无人机对高价值或者是防御严密的目标进行侦查工作,如此一来可以减少人员的伤亡或是被俘虏的风险。在越战时期美国军方开发的RPV(Remotely Piloted Vehicle),也就是泰勒雷恩(Teledyne-Ryan)飞机公司的AGM-34火蜂(Firebee)遥控载具为早期无人飞机的代表产品之一。此外,以A-12侦察机携带的D-12三倍音速无人侦察机是非常特殊但是不太成功的另外一项尝试。

1982年以色列航空工业公司(IAI)首创以无人机担任其他角色的军事任务。在加利利和平行动(黎巴嫩战争)时期,侦察者无人机无人机系统曾经在以色列陆军和以色列空军的服役中担任重要战斗角色。以色列国防军主要用无人机进行侦察、情报收集、跟踪和通讯。在1991年的沙漠风暴行动中,美军曾经发射专门设计的小型无人机作为诱饵来欺骗敌方雷达系统。

除了军事价值,无人机还有更多的用途。2002年9月,NASA的太阳能Pathfinder-Plus无人机(UAV)被用于在夏威夷考艾咖啡公司1500公顷种植园上方的美国国家空域进行概念验证任务。在国家空域内,配备有转发器的无人机由区域空中交通管制员监督,并像传统的驾驶飞机一样对待。高分辨率彩色和多光谱成像有效载荷均来自飞机的太阳能发电系统,安装在外部安装的环境压力舱中。使用未许可射频的局域网(LAN)用于摄像机控制和图像数据的下行链路,速率超过5Mbit s-1。广域网(WAN)允许驻扎在美国大陆的项目调查员在部分任务期间上行控制命令。在收集的几分钟内,图像可用于增强,打印和解释。彩色图像可用于绘制侵入性杂草爆发和揭示灌溉和施肥异常。在种植园上方4小时“游荡”期间,地面飞行员能够沿预先规划的飞行路线精确地驾驶无人机,并在项目科学家的指导下进行自发机动,以便在无云区域进行图像采集。2009年,José A. J. Berni等人使用配备了多光谱成像传感器的无人机进行实时作物管理。他们实地进行了测试,无人机飞越农田,获得7.5-13-muhbox {m} 区域(40-cm分辨率)的热成像和400-800nm光谱区域的窄带多光谱图像(20-cm分辨率)。测试结果证明,用于农业应用的低成本无人机系统获得的结果即使不是更好,也可以得到与传统的人工机载传感器相比较的估计值。

2014年,SebastianSiebert将无人机系统应用于土木工程,用于快速且自主地获取移动三维(3D)映射数据。他们提出了一种用于摄影测量飞行计划的新方案及其用于从数字移动图像生成3D点云的执行。

无人机本质上也是机器人,因此使用于机器人的问题,如SLAM、路径规划等,都适用于无人机研究。同时特殊应用于无人机作业的,如云台、机体结构等,也需要特殊考虑。 Gaurav S. Sukhatme等人于2003年发表论文介绍了用于无人机的实时、基于视觉的着陆算法的设计和实现。 着陆算法与用于视觉获取目标(直升机停机坪)和从任意初始位置和方向导航到目标的算法集成。 他们使用视觉进行精确的目标检测和识别,并结合使用视觉和全球定位系统进行导航。直升机基于视觉更新其着陆目标参数,并使用基于行为的机载控制器来跟踪到达着陆点的路径。

主要事件

年份事件相关论文/Reference
1489最早记录的无人驾驶飞行器用于作战的用途发生在1849年7月,当时是作为气球载体(航空母舰的前身),也是海军首次使用空中力量Custers, B. (2016). The Future of Drone Use: Opportunities and Threats from Ethical and Legal Perspectives, Asser Press - Springer. pp 355.
1916A. M. Low的“空中目标”最早尝试使用动力无人机Taylor, A. J. P. (1977). Jane's Book of Remotely Piloted Vehicles. Collier Books.
2002NASA的太阳能Pathfinder-Plus无人机(UAV)被用于在夏威夷考艾咖啡公司1500公顷种植园上方的美国国家空域进行概念验证任务Herwitz, S. R.; Johnson, L. F.; Dunagan, S. E.; Higgins, R. G.; Sullivan, D. V.; Zheng, J.; Lobitz, B. M.; Leung, J. G.; Gallmeyer, B. A.; Aoyagi, M.; Slye, R. E.; Brass, J. A. (2004). Imaging from an unmanned aerial vehicle: agricultural surveillance and decision support. Computers and Electronics in Agriculture. 44(1): 49-61.
2003Gaurav S. Sukhatme等人于2003年发表论文介绍了用于无人机的实时、基于视觉的着陆算法的设计和实现Saripalli, S.; Montgomery, J. F. Sukhatme, G. S. (2003). Visually Guided Landing of an Unmanned Aerial Vehicle. IEEE TRANSACTIONS ON ROBOTICS AND AUTOMATION. 19(3): 371-380.
2009José A. J. Berni等人使用配备了多光谱成像传感器的无人机进行实时作物管理Berni, J. A. J. et al. (2009). Thermal and Narrow-band Multispectral Remote Sensing for Vegetation Monitoring from an Unmanned Aerial Vehicle. IEEE Transactions on Geoscience and Remote Sensing 47(3): 722-738.
2014SebastianSiebert将无人机系统应用于土木工程,用于快速且自主地获取移动三维(3D)映射数据Siebert, S.; Teizer, J. (2014). Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle (UAV) system. Automation in Construction. 41:1-14.

发展分析

瓶颈

无人机目前面临的挑战仍然有很多:

续航:许多无人机,特别是商用无人机,的续航能力不足,严重影响表现

防撞击:无人机执行任务在许多情况下可以降低成本,但其撞击到物体或活体上对两方造成的损失仍然不可忽略

导航:目前大部分无人机仍然需要依靠GPS系统,但在室内或人口稠密的场景下GPS的表现有限

通信系统:无人机之间以及无人机与控制人之间的及时通讯能力仍然需要提高

未来发展方向

对未来无人机发展至关重要的自主技术属于以下几类:

传感器协作:结合来自不同传感器的信息,以便在车辆上使用

沟通:在存在不完整和不完善的信息的情况下处理多个代理之间的沟通和协调

运动规划(也称为路径规划):确定无人机在满足某些目标和约束(例如障碍物)时的最佳路径

轨迹生成:确定最佳控制机动,以遵循给定路径或从一个位置移动到另一个位置

任务分配和调度:确定一组代理中任务的最佳分配,满足时间和设备约束

合作策略:制定无人机之间活动的最佳顺序和空间分布,以便在任何给定的任务场景中最大化成功的机会

[描述来源:https://www.theuav.com/]

Contributor: Yuanyuan Li

简介