日前，斯坦福大学的研究人员设计了一种方法，使数百种无人机使用公共汽车或有轨电车，以重新设计包裹在城市中的分配方式。如果这样的解决方案能够扩展规模，它可以减少送货车的拥挤和能源消耗，同时延长无人机可以运送包裹的距离。
到目前为止，我们所见的大多数送货无人机都在郊区抛弃包裹，这是有原因的。城市中心可能是动态环境，充满了意料之外的障碍，并且仍然不允许无人机在城市中自由飞行。但是研究人员说，使用公共交通工具可以使无人驾驶飞机的飞行距离增加到360%。
该团队在本周在线2020 IEEE国际机器人与自动化大会（ICRA）上发表的一篇论文中写道：“我们的方法致力于最大程度地缩短完成任何交付的时间。通过结合两者的优势，我们可以实现巨大的商业利益和社会影响。”
这种方法涉及无人驾驶飞机在公共汽车和有轨电车的外部搭便车，可以帮助克服当今无人驾驶飞机有限的旅行能力。例如，广受欢迎的DJI Mavic 2能够飞行的最大距离为18公里，或往返约11英里。
斯坦福大学的系统可以处理多达200架无人机，运送多达5,000个包裹。AI网络适用于最多8,000个站点的城市，并且专门在旧金山和华盛顿特区进行了实验。就此而言，旧金山市政运输局（SFMTA）覆盖了150平方千米的区域，华盛顿大都会运输局（WMATA）占地面积约400平方千米。
多无人机网络不包括使用SFMTA或WMATA隧道。论文的合著者舒什曼·乔杜里（Shushman Choudhury）在一封电子邮件中提到，模拟不考虑任何物理基础设施，而是依靠公交车站和无人机包裹仓库位置上的开源数据。研究人员没有咨询SFMTA或WMATA官员，但是经过进一步研究以发现其他外部性或对城市社区的潜在影响后，这才有意义。
作者将解决方案描述为类似于为协调多种交通方式而开发的按需移动服务算法。与Uber，Lyft或其他将乘车共享选项与公共交通，电动踏板车和步行相结合的公司一样，该模型采用了两层方法。
首先，上层使用接近最优的多项式时间任务分配算法将无人机分配给包裹交付序列。然后，下层通过定期在运输网络上路由车队来执行分配，同时采用针对环境量身定制的高效有界次优多智能体寻路技术。
该研究来自斯坦福智能系统实验室（SISL）和自治系统实验室。这项工作被题为“使用运输网络的高效大规模多无人机交付”，并被ICRA会议组织者提名为最佳多机器人系统论文。该论文的作者，包括Choudhury和Mykel Kochenderfer，于去年发表了有关名为DREAMR的AI技术的研究，该技术能够引导单个无人机，使用公共汽车和有轨电车来减少飞行时间并节省能源。
本周在ICRA上详细介绍的多无人机方法假设可以从任何调度站获取包裹。它还假设一架无人机一次可以携带一个包裹，并且无人机会在时间允许的情况下充电或更换电池。下一步可能包括考虑延误和时间窗口等问题。任何在旧金山使用过Muni巴士的人都知道交通和拥堵会极大地影响旅行时间。
该论文指出，未来的关键方向是进行案例研究，以评估我们框架的运营成本，评估其对道路拥堵的影响，并考虑潜在的外部因素，例如噪声污染和对城市社区的不同影响。