多旋翼無人機平穩著陸是困難的。複雜的亂流是在下降過程中，隨著地面越來越近，每個轉子從地面彈回來的氣流所產生的。這種亂流還沒有被很好地理解，也不容易補償，特別是對於無人駕駛飛機。這就是為什麼起飛和降落通常是無人機飛行中最棘手的兩個部分。無人機通常會搖搖擺擺，慢慢地向著陸方向移動，直到電力最終被切斷，然後它們會將剩餘的距離降落到地面上。
在加州理工學院自主系統與技術中心（CAST），人工智慧專家與控制專家合作開發了一種系統，該系統使用深度神經網絡來幫助自主無人機「學習」如何更安全、更快地降落，同時消耗更少的能量。他們創造的系統被稱為「神經著陸器」（Neural Lander），是一個基於學習的控制器，可以跟蹤無人機的位置和速度，並相應地調整其著陸軌跡和旋翼速度，以實現儘可能平穩的著陸。
「這個項目有可能幫助無人機飛行更平穩、更安全，尤其是在存在不可預知的狂風，消耗更少的電池電力，無人機可以更快地土地。」Soon-Jo Chung說，布倫教授航空航天部門的工程和應用科學（EAS）和噴氣推進實驗室的科學家，為美國宇航局加州理工學院管理。該項目是由Chung和加州理工學院人工智慧（AI）專家Anima Anandkumar（計算和數學科學Bren教授）以及計算和數學科學助理教授Yisong Yue合作完成的。
一篇描述神經著陸器的論文將於5月22日在電氣與電子工程師協會（IEEE）的機器人與自動化國際會議上發表。這篇論文的聯合首席作者是加州理工學院的研究生施關婭，她的博士研究由鍾和嶽共同指導，以及施希臣和麥可·奧康奈爾，他們是鐘的航空機器人和控制組的博士生。
深度神經網絡（DNNs）是一種受大腦等生物系統啟發的人工智慧系統。這個名字的「深層」部分指的是這樣一個事實：數據輸入經過多個層次，每個層次都以不同的方式處理輸入信息，以梳理出日益複雜的細節。DNNs具有自動學習的能力，這使得它們非常適合重複任務。
為了確保無人機在DNNs的引導下平穩飛行，該團隊採用了一種稱為光譜歸一化的技術，該技術平滑神經網絡的輸出，使其不會在輸入/條件變化時做出劇烈變化的預測。著陸方面的改進是通過在三維空間中檢測偏離理想軌道的情況來衡量的。進行了三種類型的試驗：直線垂直降落、降弧著陸，以及無人機掠過破碎表面（如桌子邊緣）的飛行，在這種情況下，來自地面的湍流效應會有很大差異。
新系統減少了100%的垂直誤差，允許控制著陸，並減少了90%的橫向漂移。在他們的實驗中，新系統實現了真正的著陸，而不是像未改裝的傳統飛行控制器那樣在離地10到15釐米的地方卡住。此外，在掠過測試期間，神經著陸器在無人機從掠過桌面過渡到在邊緣之外的自由空間飛行時，產生了一個平穩得多的過渡。
「誤差更小，神經著陸器能夠更快、更平穩地著陸，並在地面上平穩滑行，」Yue說。新系統在CAST的三層樓高的機場進行了測試，可以模擬幾乎無限多種戶外風條件。CAST於2018年開放，佔地1萬平方英尺，來自EAS、JPL和加州理工學院地質與行星科學部的研究人員將在這裡聯合創建下一代自主系統，同時推進無人機研究、自主探索和生物啟發系統領域。
這種跨學科的努力帶來了來自機器學習和控制系統的專家。我們幾乎還沒有開始探索這兩個地區之間豐富的聯繫。
除了明顯的商業應用——Chung和他的同事已經為這個新系統申請了專利——新系統可能證明對中國科大目前正在開發的項目至關重要，包括一個可以在難以到達的地方（如交通堵塞）著陸的自動醫療運輸系統。Hans W. Liepmann航空學和生物工程教授Morteza Gharib說：「運送傷員時能夠快速平穩地降落的重要性怎麼強調都不為過。」導演演員；也是空中救護項目的主要研究員之一。