宋韬
目标无人机
本次穆罕默德本扎耶德国际挑战赛包括三项挑战项目。“挑战一”要求多个无人机自主搜索、识别、刺破在场地中央随机摆放的五个气球，并自动跟踪一架在竞技场内的按三维随机轨迹移动的目标无人机，抓取悬挂于目标无人机下方的黄色小球，并投放到指定区域。“挑战二”中，无人机和无人车在室外环境中协作完成自动定位、拾取、运输和组装不同类型、颜色的砖形物体，按照给定的图案及进行搭建。“挑战三”中，无人机和无人车需协作，在城市高层建筑消防场景中自动扑灭一系列模拟火灾。
比赛中，北京理工大学的“飞鹰队”作为唯一一支来自中国的队伍，击败卡内基梅隆大学、宾夕法尼亚大学、弗吉尼亚理工、苏黎世联邦理工学院、东京大学和法国国家科研中心等29支国际顶级院校和研究机构的参赛队伍，在“多机协作自主空中夺球”项目中以全场唯一一个满分的成绩夺得桂冠！
“飞鹰队”原定参加全部三项挑战，受疫情等影响挑战二和三的主力队员无法按时归队，“飞鹰队”最终参加了“挑战一”项目。比赛当天，在阿联酋国家展览中心，一个类似足球场的场地上空中有一架无人机拖着一个直径13cm黄色小球以三维空间“8”字形轨迹自由飞行，地面随机放有五个两米左右高的杆，杆上放着直径40cm左右自由飘动的绿色气球，用于干扰。要求参赛无人机用最短时间自主追踪目标机抓取黄色小球，同时刺破杆子上放置的干扰球。
“飞鹰队”比赛三架无人机一键自主起飞后，先自主规划搜索路径，识别到目标机和绿色气球后，以任务完成时间最小为优化目标，自主规划任务分配。“抓球”无人机自动规划航迹飞至追踪起始点，锁定目标无人机，并实现自主跟踪和精准抓取。“刺球”无人机自主识别绿色气球在场中央的摆放位置，以所走路程最短为优化目标，自主规划航迹，利用机上“针刺”装置对目标进行刺破。最终，“飞鹰队”出色完成挑战一项目所有任务，以全场唯一一个满分成绩赢得比赛。
“挑战一”主要测试三项技术：视觉识别与感知、导航与控制、多机自主协同。
视觉识别与感知技术让无人机能够可靠地“看”和“识”，摄像机可以理解为机器的眼睛，如何处理视觉数据则需要机载计算机和算法的相互配合。人类大脑约百分之七十的计算都是用来处理视觉信息，同样机器视觉对于算法和计算力要求极大。在比赛中，视觉识别主要有以下技术难点：一是目标无人机挂的球很小，速度又比较快，可能还没等原来的图像处理完成，黄球就飞走了，这就需要我们提高图像处理识别的速度;二是比赛场景复杂，常常有戴黄色安全帽的工作人员走来走去，且目标球尺寸太小，甚至会受到光照等外部条件的影响，这些问题，都给图像识别带来很多挑战。
北理工团队研发了先进的机器学习技术，提高了对目标的搜索效率和探测能力。
目标自动识别与感知技术在军事和民用方面都有着十分广泛的应用， 军事方面包括无人飞行器、精确制导、空中预警和战场监视等;民用方面包括移动机器人、智能视频监控、智能交通系统、人机交互、虚拟现实等。
导航与控制技术是要实现对空中快速运动目标的跟踪和抓取，机载计算机可以看作是无人机的“大脑”，旋翼可以看作是无人机的“手脚”，更快更准地完成任务就需要“大脑”与“手脚”的配合。
参赛无人机
地面綠色气球
比赛设定目标无人机在空中绕轨迹和方向都未知的“8”字运动，速度为8m/s。针对目标无人机运动状态未知这个难点，开发了自主导航智能控制算法，北理工参赛无人机先悬停搜索观察目标，自主预测目标运动轨迹并自主规划有利于抓球的最佳跟踪路径。北理工参赛无人机沿着最优路径自主飞行到最佳追捕位置后，启动自主导航智能算法加速追击目标;当接近目标时将速度降至和目标保持一致。未来这项技术可应用于无人机目标的管控、无人机自主回收、空中加油、空域安全防护等任务领域。
上：备赛区 下：团队成员
多机自主协同技术是要实现对复杂环境下多任务多目标的快速任务分配和协同控制，团队设计了一套协同任务规划系统，让无人机彼此之间“相互交流”，通过“交流协商”来明确谁对空中运动小球的实施抓取，谁对地面若干固定气球的执行刺破。
这些技术成功应用于比赛过程中，完成了对复杂环境下空中抓球、地面刺球多目标任务的快速任务分配与协同控制。未来可应用于空天地无人智群一体化组网、空地一体绿色农业、战场多点覆盖侦察等任务场景中。
“飞鹰”队面对在国际人工智能前沿领域的强敌，如“现代计算机科学文明发源地”宾夕法尼亚大学，以计算机科学和机器人学享誉全球的卡耐基梅隆大学，法国最大科研机构法国国家科研中心等，在“挑战一”项目中，“飞鹰队”能摘得桂冠，并呈上全场唯一一份满分答卷，十分不易。
责任编辑：陈晓丽
