厉害！从森林深处到蛮荒之地，这台无人机去了GPS都无法到达的地方！

这一切都得益于由NVIDIA Jetson TX1 嵌入式人工智能计算平台提供技术支持的深度学习和计算机视觉技术。

这台能够低空飞行的无人机旨在用于营救失联的徒步旅行者。但它的用武之地可不仅仅局限于丛林，它还能够在没有GPS覆盖或GPS信号不精确的区域自由飞行，如摩天大楼之间、建筑物内等。

NVIDIA团队的技术主管Nikolai Smolyanskiy表示：“只要这台无人机能够识别出道路，即使在没有GPS的地方它也能无误地飞行。”

Smolyanskiy表示，虽然这一技术仍是实验性质的，但最终能够用于搜寻震损建筑中的幸存者、检验隧道中的铁轨、查看货架上的货物或检查水下线缆的通信情况。

该团队已经对无人机进行了训练，让它们能够跟踪火车轨道。团队还将系统移植到轮式机器人上，让其能够顺利穿行。无人机也能避免人、宠物或电线杆等障碍物。

Smolyanskiy说道：“我们之所以选择森林作为测试场地，是因为它们可能是最困难的地方。我们设想如果深度学习能在这一环境中导航，那么也就能够在任何地方导航。”

与城市的环境相比，森林的场景比较混乱。城市的道路相对平坦，道路两旁邮箱的形状和人行道的宽度也都基本一致。但树林里的小路通常没有标记，部分光线也会被树叶遮挡，亮度也不一致，可能有时阳光明媚，有时则一片阴暗。树木的高度、宽度、角度和枝条形状也各不相同。

为降低成本，研究人员为一台现成的无人机配上了NVIDIA Jetson TX1和两台摄像机，构建了自己的设备。

Smolyanskiy表示：“我们的想法是使用相机来了解环境并导航。Jetson为我们提供了在无人机上进行人工智能计算的先进能力，这正是在远程环境中运行的设备所需要的。”

NVIDIA团队并非首个研究非GPS导航无人机的团队，但这些研究人员实现了同类设备中最持久、最稳定的飞行。他们打造的全自动无人驾驶飞机能够沿着小径飞行一公里，能够成功避开障碍物并稳定地保持在轨迹中心的位置。

团队成员Alexey Kamenev在实现这一目标的过程中发挥了重要作用。他开发的深度学习技术使无人机能够沿着小径顺利飞行，而不会因中途动作过大导致晃动，也无需像通常训练深度学习系统那样需要海量数据。

在下方视频中，无人机在研究人员所在的华盛顿州雷德蒙德办公室周围的森林中，能够沿着一条小径飞行。绿色的区域就是无人机判定能够飞行的区域，而红色区域则表示不适于飞行的区域。

Smolyanskiy在太平洋西北部沿着八英里的小径录制了视频。他脚踩迷你Segway平衡车，借助固定于金属杆左、中、右三处的三个广角GoPro摄像机，在不同的照明条件下进行了视频拍摄。通过观看录制的视频，无人机找到了自己的方向。

除了自己的拍摄素材之外，研究人员还用苏黎世Dalle Molle人工智能研究所(IDSIA)的人工智能研究员拍摄的瑞士阿尔卑斯山道路视频，对他们的神经网络TrailNet进行了训练。

事实上，IDSIA无人机丛林导航相关工作是NVIDIA自动化无人机团队的灵感来源之一。另一大灵感来自于NVIDIA的无人驾驶汽车BB8。

该团队现在计划为Jetson TX1和Jetson TX2创建可下载的软件，以便其他人构建基于视觉信息进行导航的机器人。

长远的想法是让机器人能够行走于谷歌地图或建筑设计图等任何类型地图上的两点之间，并成功地躲避障碍。