平稳着陆多旋翼无人机很困难。随着地面在下降过程中越来越近，每个转子的气流从地面反弹，产生复杂的湍流。这种湍流不是很好理解，也不容易补偿，特别是对于自主无人机。这就是为什么起飞和降落通常是无人机飞行中最棘手的部分。无人机通常会摇晃并缓慢地朝向着陆，直到最后切断电源，并且它们将剩余的距离降低到地面。

　　在 加州理工学院的自主系统和技术中心 （CAST），人工智能专家与控制专家合作开发了一个系统，该系统使用深度神经网络帮助自主无人机“学习”如何更安全，更快地着陆，同时减少吞噬量功率。

　　他们创建的系统被称为“神经着陆器”，它是一种基于学习的控制器，可跟踪无人机的位置和速度，并相应地修改其着陆轨迹和转子速度，以实现最平稳的着陆。

　　“这个项目有可能帮助无人机飞行更加平稳和安全，特别是在阵风不可预测的情况下，并且随着无人机可以更快地着陆而消耗更少的电池电量，” 航空航天的Bren教授Soon-Jo Chung说 。加州理工学院为NASA管理的JPL工程与应用科学系（EAS）和研究科学家。该项目由Chung和Caltech人工智能（AI）专家 Anima Anandkumar，计算和数学科学Bren教授以及计算和数学科学 助理教授Yisong Yue合作完成。

　　5月22日，电气和电子工程师协会（IEEE）机器人与自动化国际会议上发表了一篇描述神经着陆器的论文。该论文的共同主要作者是加州理工学院的研究生姜冠亚，他的博士研究由他们共同监督。 Chung和Yue，以及Xichen Shi和Michael O‘Connell，他们是Chung航空机器人和控制组的博士生。

　　深度神经网络（DNN）是受大脑等生物系统启发的AI系统。名称的“深层”部分指的是数据输入通过多个层进行搅拌的事实，每个层以不同的方式处理传入的信息以梳理出越来越复杂的细节。DNN能够自动学习，这使它们非常适合重复性任务。

　　为了确保无人机在DNN的指导下顺利飞行，该团队采用了一种称为光谱归一化的技术，该技术可以平滑神经网络的输出，因此当输入或条件发生变化时，它不会产生大幅变化的预测。通过检查3D空间中理想化轨迹的偏差来测量着陆的改进。进行了三种类型的测试：直线垂直着陆; 下降弧着陆; 和无人机在一个破碎的表面上掠过的飞行 - 例如在桌子边缘 - 地面湍流的影响会急剧变化。

　　新系统将垂直误差降低100%，允许控制着陆，并将横向漂移降低多达90%。在他们的实验中，新系统实现了实际着陆，而不是像地面上的10到15厘米那样被卡住，正如未经修改的传统飞行控制器经常那样。此外，在略读测试期间，神经着陆器产生了更平滑的过渡，因为无人机从掠过桌子过渡到超出边缘的自由空间中飞行。

　　“由于误差较小，神经着陆器能够更快，更平稳地着陆并在地面上平滑滑行，”Yue说。新系统在CAST三层高的机场进行了测试，可以模拟几乎无限的各种户外风况。 CAST 开放于2018年，占地10，000平方英尺，EAS，JPL和加州理工学院地质和行星科学部的研究人员正在联合创建下一代自治系统，同时推进无人机研究，自主探测，和生物启发系统。

　　“这种跨学科的努力带来了机器学习和控制系统的专家。我们几乎没有开始探索这两个领域之间的丰富联系，“Anandkumar说。

　　除了明显的商业应用之外，Chung和他的同事们已经为新系统申请了专利 - 新系统对CAST目前正在开发的项目至关重要，包括 可以在难以到达的地方降落的 自主医疗运输（如作为一个堵塞的交通）。“运送受伤人员时能够迅速平稳降落的重要性不容小觑，” Morteza Gharib，Hans W. Liepmann航空与生物工程教授教授说道。CAST主任; 和空中救护项目的主要研究人员之一。