在野外学习高速飞行

四旋翼飞行器是敏捷的。与大多数其他机器不同，它们可以以高速穿越极其复杂的环境。迄今为止，只有专业人类飞行员能够充分利用其能力。具有机载感知与计算的自主操作一直局限于低速。最先进的方法通常将导航问题分离为子任务：感知、建图与规划。虽然这种方法在低速下被证明是成功的，但其所基于的分离对于杂乱环境中的高速导航可能是有问题的。实际上，子任务是顺序执行的，导致处理延迟增加以及误差通过流水线累积。在此我们提出一种端到端方法，能够以纯机载感知与计算自主地以高速飞行四旋翼穿越复杂自然与人工环境。关键原理是以滚动时域方式将噪声感知观测直接映射为无碰撞轨迹。这种直接映射大幅降低了处理延迟并增强了对噪声和不完整感知的鲁棒性。该感知—运动映射由一个卷积网络执行，该网络专门在仿真中通过特权学习训练：模仿可访问特权信息的专家。通过模拟真实传感器噪声，我们的方法实现了从仿真到训练期间从未经历过的极具挑战性真实世界环境(茂密森林、积雪地形、出轨列车和倒塌建筑)的零样本迁移。我们的工作表明，在仿真中训练的端到端策略能够实现穿越挑战性环境的高速自主飞行，优于传统避障流水线。