近期，蘇黎世大學的一個研究團隊公開發表了一篇研究論文，介紹了他們如何實現無人機在城市街道中安全飛行。

　　盡管早在一年前，Amazon等企業就宣布將使用Prime Air無人機系統送快遞，但是無人機很少能實現穿行在城市建筑間。主要原因在于從城市街道層面看，無人機的路線規劃并非易事，其中存在著大量的障礙物。為克服這些挑戰，研究團隊嘗試創建一種可感知無人機運動方向的估計程序。該想法類似于該團隊于2016年公開發表的無人機自動巡航森林小徑的研究成果。

　　研究人員創建了一個深度神經網絡，用于預測轉向角，并估計可能發生的碰撞情況。他們使用殘差網絡（Residual Network）訓練神經網絡架構，進而生成了用于導航無人機的轉向角，并估計了發生碰撞的可能性。無人機可以根據這些估計，識別出危險情況并做出相應的響應。

　　該項研究的一個重要貢獻在于團隊所使用的訓練數據采集方式。雖然使用訓練有素的無人機操作人員可以采集到針對多種情況的數據，但是這種做法需要耗費大量的時間。研究人員創立另一種訓練神經網絡的方法，他們使用了采集自汽車和自行車的數據。其中，預測轉向角的數據集使用了Udacity訓練集（https://medium.com/udacity/challenge-2-using-deep-learning-to-predict-steering-angles-f42004a36ff3）。在每幅圖像中，還包括了汽車的轉向角。這樣，研究人員可以使用神經網絡預測汽車轉向角，進而嘗試將這一預測行為克隆到無人機場景中。此外，研究人員通過在自行車上安裝攝像頭并騎向汽車等障礙物，收集了研究所用的碰撞數據集。使用這種方式采集的訓練數據，可以訓練神經網絡預測無人機是否接近了障礙物。