【无人机网援引外媒消息】Facebook和加州大学伯克利分校的研究人员发表了一篇新论文，展示了无人机如何使用AI来学习---如何在变化的条件下处理不同的有效载荷。随着无人机越来越多地在仓库或工业场所等狭小空间中作业，这项工作可能会派上用场。

据VentureBeat报道，在这项实验中，一名研究人员驾驶了一架玩具无人机DJI Tello，通过一种系绳和磁性夹持器来捡起和携带小包裹。听起来很简单，但是有各种各样的变量，如果它是自动完成的，可能会影响工作。包裹本身的重量各不相同(研究人员使用的3d打印块重量在10到15克之间)。此外，系绳也很重要。不同长度的绳子会产生不同程度的震动，从而导致无人机偏离航线。

这不仅仅是点对点的操作。无人机必须沿着精确的轨迹飞行，包括在空中追踪正方形和圆形的形状。它还必须绕过障碍。

学习中学习

无人机执行任务时，一台小型相机记录了该操作，每四分之一秒拍摄一次照片。该数据进入了迭代过程。系统建立了操作模型，执行了操作，然后记录了结果以进一步改进模型。这个过程称为元学习。这是一种机器学习，其中学习算法评估有关学习实验的元数据。这些算法本质上是在评估过去学习的结果，以便建立更好的模型。

最终，这架无人机可以在实验室里自主飞行，按照研究人员指示的路线飞行。

研究人员写道:“我们认为，这是第一个在真实世界的四轴飞行器上演示的元学习方法，该方法仅使用真实世界的训练数据，与非自适应的有效载荷运输方法相比，成功地显示了闭环性能的改善。”

随着无人机和其他机器人在狭窄的地方与人类更加紧密地合作，精度对于保证产品质量和确保工人安全至关重要。当今的工业机器人执行非常具体的预编程任务，这些任务很容易预测。但是，由于机器人必须在更灵活、更动态的环境中工作，它们必须培养适应各种小因素的能力，这些小因素会随着任务的不同而变化。