Back to Newton’s Laws Learning Vision-based Agile Flight via Differentiable Physics

一、知识点

本文探讨了基于深度学习的无人机自主飞行技术，特别是在复杂且动态的环境中，如何利用有限的感知和计算资源进行敏捷的视觉飞行。文章首先介绍了当前无人机自主飞行面临的挑战，即如何在资源受限的情况下实现鲁棒、灵活且可扩展的飞行控制系统。随后，文章提到了传统方法（如基于映射的导航方法）和新兴方法（如无模型强化学习和模仿学习）的优缺点。特别地，传统方法通常将导航任务分为定位、映射、规划和控制四个阶段，并在实验室环境和真实世界应用中取得了显著成果。然而，这些方法在处理复杂和动态环境时仍存在局限性。

文章还强调了物理学先验（特别是简单的点质量动力学）在政策优化中的应用，以及可微分物理学在训练鲁棒端到端导航政策中的有效性。这些知识点为后续的方法创新提供了理论基础。

二、方法

本文提出了一种结合可微分物理学和深度学习的无人机自主飞行控制方法。该方法的核心是利用可微分物理仿真环境进行政策训练，该环境包括深度渲染和物理仿真，通过CUDA作为PyTorch扩展实现。训练环境设计了四种抽象障碍物（平面、长方体、球体和圆柱体），以模拟复杂的飞行环境。

在方法上，文章采用了基于梯度的优化方法，通过反向传播时间步长内的梯度来更新政策参数。这种机制在时间上衰减梯度，产生两个关键效果：缓解梯度积累和确保监督信号来自不久的将来。这有助于强调即时目标并过滤掉潜在的不相关或长期目标，从而提高训练的效率和稳定性。

此外，文章还提到了无人机硬件的配置，包括高推力重量比的电机和定制的BetaFlight固件，以实现无人机的敏捷性。这些硬件配置为方法的实现提供了必要的物质基础。

三、创新

1. 可微分物理仿真：可微分物理仿真是一种强大的技术，它能够将梯度基方法应用于物理系统的学习与控制中。与传统的物理仿真不同，可微分物理仿真具备计算模型参数或输入梯度的能力。这种仿真能够直接将梯度从输出状态传播到控制输入，进而传播到策略参数。在无人机自主飞行的研究中，研究者们利用可微分物理仿真来模拟无人机的飞行动态，并通过梯度下降等优化算法来调整控制策略，以实现更高效、更稳定的飞行。

2. 端到端学习方法：端到端学习方法则是一种直接从原始感知观测中控制车辆，而无需显式建图和规划的方法。在无人机自主飞行的场景中，端到端学习方法通过深度神经网络来训练一个传感器到执行器的映射关系。这种映射关系能够根据无人机的当前状态和环境感知信息，直接输出控制指令，从而实现自主飞行。与传统方法相比，端到端学习方法具备更高的灵活性和鲁棒性，因为它能够直接从数据中学习到复杂的飞行策略，而无需人为设计复杂的规划算法。