无人驾驶飞行器如今已在多种场景中得到广泛应用，但大多数现有无人机仍需人工操作。此外，许多无人机难以在杂乱、拥挤或未知环境中自主导航，而具备该能力的无人机往往依赖昂贵或笨重的组件。

上海交通大学研究人员提出一种受昆虫启发的新方法，使多架无人机可在高速移动中自主导航复杂环境。相关论文发表于期刊《Nature Machine Intelligence》，该方法结合深度学习算法与核心物理原理。

研究灵感来自苍蝇等昆虫的飞行能力，尽管其大脑微小且感知能力有限，却可完成敏捷飞行控制。研究团队致力于复制这种飞行控制机制，实现感知、规划和控制的紧密集成，同时依赖有限的机载计算能力。

传统方法将导航任务分解为多个模块，可能导致误差累积和响应延迟，增加动态环境中碰撞风险。研究团队探索使用轻量级人工神经网络替代传统流程，通过传感器数据直接输出控制动作，模仿苍蝇利用少量神经元产生智能行为的方式。

新系统基于一种轻量级神经网络，可根据12x16超低分辨率深度图生成四旋翼飞行器控制指令。尽管输入分辨率较低，但已足以使网络理解环境并有效规划飞行路径。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。