| 作品介紹 |
在這個作品中，我們提出了基於強化學習無人機飛行控制設計，並且讓無人機做為AI代理人進行生還者偵測做為主要應用。相對於現有無人機搜救系統大多仰賴人工遙控或預設航線進行飛行的方式，其影像資料亦需傳回後端伺服器進行AI辨識分析。然而，當面對災區環境複雜、障礙物密集與通訊品質不穩等情況時，影像回傳與判斷結果往往存在時間差，無法即時應對現場狀況，嚴重影響搜救行動的即時性與準確性。為解決上述問題，本系統提出一套基於強化學習無人機飛行控制設計，其具有以下的優勢: (1) 自主避障: 無人機系統結合深度影像資訊並開發專有的強化學習技術，使無人機能自主避障且進行飛行路徑調整，其能於未知或複雜環境中穩定執行任務，提升系統智能化程度; (2) 邊緣人工智慧 (Edge AI): 取代傳統集中式智慧計算的方式，無人機避障與偵測人形物件會於無人機晶片系統上直接進行，不需要後端系統頻繁操作控制; (3) 數位孿生(Digital Twin): 採用結合AirSim模擬器數位孿生系統，除了能進行無人機任務前規劃策略評估外，無人機在進行任務時其即時位置、姿態、影像亦會同步至虛擬空間，讓後端人員能有清晰任務視覺化畫面，強化任務監控效率與操作性; (4) Neural Engine: 在無人機晶片系統採用FPGA實現，其內部具有Neural Engine可載入搜救任務判斷的生還者偵測AI模型，使無人機具備即時AI模型計算的能力，以符合Edge AI需求。 |