本文作者是Lukas Biewald—CrowdFlower的創(chuàng)始人，Lukas曾被《Inc.》雜志評選為30歲以下杰出企業(yè)家。CrowdFlower成立于2009年，是一個按需勞動力的大數(shù)據(jù)平臺，幫助企業(yè)收集培訓(xùn)數(shù)據(jù)并進行人機交互機器學(xué)習(xí)。

    Lukas Biewald畢業(yè)于斯坦福大學(xué)，獲得數(shù)學(xué)學(xué)士學(xué)位和計算機科學(xué)碩士學(xué)位。Lukas曾任職Yahoo日本搜索團隊主管，之后作為高級數(shù)據(jù)科學(xué)家就職于Powerset，該公司于2008年被微軟收購。    

    深度學(xué)習(xí)和廉價硬件的探索

早期航空器，1818（來源：維基百科&美國國會數(shù)據(jù)庫）

    在制造了一個圖像識別機器人后，顯然下一步是制作一個可飛行的版本。于是我決定打造一款能夠進行面部識別并響應(yīng)語音命令的自動化無人機。

    選擇一款預(yù)制無人機

    對無人機進行編程，最難的部分是如何開始，我是從組裝無人機零件開始的。但是幾乎和之前所有DIY項目一樣，自己組裝無人機花了我很多的錢。而且坦白的說，我手工打造的無人機一直沒有穩(wěn)定飛行過?？梢钥隙ǖ氖?，直接購買預(yù)制版本才是更加簡單經(jīng)濟的選擇。

    大多數(shù)無人機制造商都聲稱提供API接口，但對于業(yè)余愛好者來說并沒有什么明顯的優(yōu)勢。市面上帶似乎可用的API接口的無人機，大多售價都超過1000美元，這是一個很高的進入門檻。

    經(jīng)過一些調(diào)查以后，我發(fā)現(xiàn)了Parrot AR Drone 2.0（見下圖）。我認為對于業(yè)余愛好者來說，這是一款理想的機器。它的價格不高，還可以進行編程。你可以選擇花200美元買一臺新機器，但由于很多人買了無人機又從來不使用它們，因此購買一臺二手機器也是個不錯的選擇。在eBay上二手無人機的售價大約是130美元甚至更低。

△我收藏的各類無人機，Parrot AR Drone無人機掛在最左邊

    Parrot AR無人機飛行的穩(wěn)定性沒有更貴的新款 Parrot Bebop 2.0 好（售價大約550美元），但是Parrot AR提供一個好用的node.js客戶端庫叫做node-ar-drone，很適合在上面進行開發(fā)。

    另外一個優(yōu)勢：Parrot AR無人機很結(jié)實。在測試自動化程序的過程中，無論它被撞墻上、家具上、室內(nèi)植物上和客人身上，他仍然能夠良好的飛行。

    相比給地面機器人編程，給無人機編程最糟的地方是電池續(xù)航時間短。一塊電池需要充電幾個小時，才能飛行大約10分鐘的時間。因此我建議多買兩塊備用電池，測試的時候可以循環(huán)使用。

    給我的無人機編程

    由于Javascript天生的驅(qū)動能力，因此是非常理想的無人機編程語言。相信我，無人機飛行中會遇到很多異步事件。我雖然沒有在Node上花費很多時間，但這個語言讓我印象深刻。我最近一次認真的為機器人編程使用的是C語言。用C語言處理線程和各種異常是十分痛苦的，因此最好少用。我希望有人為其它無人機平臺建立Javascript開發(fā)包，因為這個語言讓我們處理不確定性的開發(fā)事件，變得簡單有趣。

    架構(gòu)

    我決定在筆記本電腦上運行邏輯，在云端進行機器學(xué)習(xí)。比起直接在樹莓派硬件上運行神經(jīng)網(wǎng)絡(luò)，這種架構(gòu)的延遲更低。我認為這種架構(gòu)對目前的業(yè)余無人機開發(fā)項目來說是可行的。

    微軟、谷歌、IBM和亞馬遜都有快速、廉價的云端機器學(xué)習(xí)API。最終，我選擇了微軟認知服務(wù)API（Cognitive Service API）。因為這是唯一一個提供定制面部識別功能的API。

△無人機的架構(gòu)

  入門

    默認情況下，Parrot AR Drone2.0帶有可供客戶端連接的無線網(wǎng)絡(luò)。這個功能對編程者來說非常麻煩。每次你希望嘗試什么的時候，需要先斷開你的網(wǎng)絡(luò)然后連上無人機的網(wǎng)絡(luò)。幸運的是，有一個名叫ardrone-wpa2的項目非常有用。它可以通過腳本讓無人機加入你自己的WiFi網(wǎng)絡(luò)。

    遠程登錄到無人機是件十分有趣的事。Parrot運行在一個剝離版本的Linux上。你最近一次使用遠程登錄功能是什么時候？連接了什么東西？以下是打開終端并直接登錄無人機的示例。

    用命令行模式飛行

    安裝node庫以后，創(chuàng)建一個node.js REPL（Read-Evaluate-Print-Loop）并用它引導(dǎo)無人機：

    如果你一直跟著做到這步，那么現(xiàn)在你的無人機肯定已經(jīng)摔過至少幾次了。我上千次重新粘貼了安全殼，直到它徹底損壞，不得不買一個新的。我猶豫要不要提這個，實際上Parrot AR在不安裝安全殼的情況下飛得更好。但無人機在沒有安全殼的情況下更加危險，因為當無人機撞上什么東西時，螺旋槳可能會折斷，而且會在家具上留下痕跡。

    通過網(wǎng)頁控制飛行

    為無人機構(gòu)建基于web的操作界面并不困難，而且結(jié)果令人滿意（見下圖）。使用Express.js框架可以輕松的構(gòu)建一個漂亮的web服務(wù)器。

    我設(shè)置了一個按鈕來實現(xiàn)AJAX請求。

    從無人機上獲得視頻流

    我發(fā)現(xiàn)使用無人機攝像頭發(fā)送反饋的最佳方法是打開一個連接，并將我的網(wǎng)絡(luò)服務(wù)器中的PNG連續(xù)發(fā)送到我的網(wǎng)站。我的網(wǎng)絡(luò)服務(wù)器使用AR無人機庫從無人機攝像頭中連續(xù)拉取PNG圖片。

    在無人機圖像上運行人臉識別

    Azure的面部API功能強大且易用。它可以識別你上傳的朋友照片，也可以猜測年齡和性別，我發(fā)現(xiàn)這兩個功能的準確率高得令人驚訝。延遲時間約為200毫秒，費用是1.5美元/1,000次。對我開發(fā)的這個程序來說，這是完全合理的。下面是關(guān)于如何發(fā)送一個圖像并進行面部識別的代碼。

    我使用ImageMagick庫來注釋PNG圖片中的面孔。在這點上有很多可以擴展的方向，如使用情感API確定面部的情緒等。

運行語音識別控制無人機

    語音識別部分最棘手的不是語音識別本身，而是以微軟的Speech API要求的格式將音頻流從網(wǎng)頁傳輸?shù)奖镜胤?wù)器，最終代碼的大部分是為了實現(xiàn)這個功能。一旦你能夠通過單通道采集到正確頻率的音頻，這個API就可以很好的工作，而且非常容易使用。它的價格是4美元/1000次請求，這對于業(yè)務(wù)愛好者的應(yīng)用來說，基本上算是免費的。

    RecordRTC有一個很好的庫，這是客戶端網(wǎng)絡(luò)音頻錄制的好起點。在客戶端上，我們可以添加代碼來保存音頻文件：

    我使用FFmpeg程序減少音頻采樣點，并將其合并為一個通道，上傳到微軟：

    自主搜索路徑

    我用ardrone-autonomy庫為我的無人機繪制自動尋徑地圖。在無人機無數(shù)次墜落在客廳的家具和植物上后，我妻子好心的建議我把我的項目搬到車庫里去。那里沒有太多可破壞的東西了，但也沒有太多的空間（見下圖）。

△在我的“實驗室”里試飛無人機

    如果我能獲得更大的實驗空間，我會繼續(xù)研究智能搜索算法。但現(xiàn)在我只需要讓我的無人機能夠起飛、旋轉(zhuǎn)，去尋找我的朋友和敵人：

    小結(jié)

    一旦建立好一切，你可以通過API控制無人機視頻源，無人機編程就變得非常有趣。伴隨著新的圖像識別技術(shù)，給我們提供了各種應(yīng)用的可能，無論從觀察地面植物到在墻壁上作畫。Parrot無人機不是為在室內(nèi)小空間飛行設(shè)計的，一個價格更高的無人機能讓整個應(yīng)用變成現(xiàn)實。最終，無人機會變得更加穩(wěn)定，現(xiàn)實世界中將出現(xiàn)大量類似的應(yīng)用。

    微軟的認知服務(wù)云API易于使用而且價格便宜。首先，我擔心無人機的異常廣角攝像頭會影響面部識別，而無人機螺旋槳的噪音會干擾語音識別。但總體來說，表現(xiàn)要好于預(yù)期。延遲問題也不像我所擔心的那樣。使用云計算處理實時圖像流看起來似乎是個奇怪的架構(gòu)，但它可能是許多應(yīng)用的未來之路。