PULP-Dronet

奈米無人機的視覺導航，在 PULP 處理器上進行機上 CNN 推論。

授權條款

Apache 2.0

儲存庫的檔案採用 Apache-2.0。PULP-Dronet v3 資料集（zenodo.org/records/13348430）採用 CC BY-NC-SA 4.0，因此僅限非商業使用。外部模組各自保有其授權，說明見儲存庫的 LICENSE_README.md。查核日期：2026 年 11 月 2 日。

概述

PULP-Dronet 是一套以深度學習驅動的視覺導航引擎，讓口袋尺寸的四旋翼機能在先前未見過的環境中自主導航。此系統由 ETH Zurich 與 University of Bologna 開發，使用超低功耗的 PULP（Parallel Ultra-Low-Power）處理器在機上完成所有 AI 運算；PULP-Dronet v2 以 35-102 mW 的功耗達到每秒 9-17 幀，Tiny-PULP-Dronet v3 則達到每秒 139 幀。

此專案歷經三個版本（v1、v2、v3），每一版都提升了效能與能力。最新版本支援同時執行多項感知任務的多任務 AI。其硬體設計已由 Bitcraze 商品化為 AI-deck，讓全球的業餘愛好者與研究人員都能取得這項研究成果。

主要成果包括 6 篇已發表的 IEEE 論文，記錄了從 2019 年至今的演進，展示了對靜態與動態障礙物的碰撞迴避、以視覺為基礎的自主導航，以及在資源受限的嵌入式系統上高效部署 CNN。

PULP-Dronet 證明了精密的深度學習可以在超低功耗處理器上執行，使真正自主的奈米無人機成為可能。此系統使用端對端學習，將攝影機影像直接對應為轉向指令，在不依賴任何外部基礎設施的情況下即時避開障礙物。

為何重要

PULP-Dronet 證明深度學習可以直接在超低功耗處理器上執行，讓僅重 50 公克的小型無人機能夠自主導航。這項來自 ETH Zurich 的成果推進了邊緣 AI 在機器人領域的可能性。

解決的問題

自主無人機通常需要搭載強大電腦的大型平台。PULP-Dronet 證明以神經網路為基礎的導航可以在毫瓦級處理器上執行，讓小到能安全在室內飛行的無人機也能自主飛行。

重點

• 口袋尺寸四旋翼機（約 10cm、約 50g）上的自主視覺導航
• 在超低功耗 PULP 處理器上進行深度學習推論
• 只用一台攝影機就能在先前未見過的環境中導航
• 不需要 GPS 或外部基礎設施
• 從資料收集到機上部署的端對端學習

適用對象

• 從事機器人邊緣 AI 與 tiny ML 研究的研究人員
• 探索自主導航的無人機開發者
• 打造室內巡檢或監控無人機的團隊
• 學習嵌入式深度學習的學生

限制

• 超低功耗處理器限制了模型複雜度
• 與全尺寸無人機系統相比，導航能力較為基本
• 需要特定的 PULP 硬體平台
• 僅限視覺導航：除了學習到的行為之外，沒有其他避障能力
• 飛行應用程式只能針對 Crazyflie 韌體標籤 2022.01 建置，並需在 Ubuntu 20.04 上使用 GAP SDK 3.9.1。原專案警告它與較新的 Crazyflie 韌體不相容。