来自无人机解决方案供应商 Airtonomy 的员工已经搭上了这趟元宇宙快车。他们通过佩戴VR设备进入由 AI 驱动的超逼真模拟 3D 虚拟世界，在这里，他们跟随模拟无人机检查离地数百英尺的风力涡轮机，巡查野生动物，并检测中西部地区油箱的泄漏。

AI 和背后的数据实现了这一切，但实际上我们却无法从现实世界捕捉到所需数据，Airtonomy 首席执行官 Josh Riedy 认为：“你肯定不希望无人机在飞行时撞到风力涡轮机、电力线或其他任何类似的设施。再加上北达科他州的冬天长达7个月，我们意识到我们需要的不是真实的物理世界，而是为客户设计解决方案。”

Airtonomy成功的秘诀何在？答案就藏在微软7月在范堡罗国际航展（Farnborough International Airshow）上发布的Project AirSim，这是一个运行在微软Azure上的全新平台，可以通过高保真仿真安全地构建、训练和测试无人机。

在这种仿真环境中，AI模型在短短数秒内即可完成数百万次飞行，学习如何对无数变量做出反应，就像它们在真实环境中可能会遇到的情况一样，包括：在雨天、雨夹雪或雪天中如何飞行？强风或高温会对续航时间带来哪些影响？阴天时无人机摄像头是否能像晴天时那样看到涡轮机的安装臂？

Project AirSim 使用 Azure 的强大功能生成海量数据，用于训练AI模型，以在从起飞到巡航再到着陆的各飞行阶段精准执行相应操作。它还将提供3D虚拟环境数据库，其中涵盖多样的城乡地形地貌，以及一系列精密的预训练AI模型，加快无人机在基础设施检查、最后一英里物流、城市空中交通（UAM）等领域的应用。Project AirSim目前已经开始提供有限预览[1]。

微软负责技术和研究业务孵化的公司副总裁Gurdeep Pall 表示，该有限预览解决方案结合了AI、计算和传感器技术，以改变人员和货物的运输方式。这不仅仅发生在风电场所在的偏远地区；随着城市密度的上升，拥堵的道路和高速公路根本不能作为从A地到B地的最快方式。鉴于此，企业纷纷将目光投向天空和无人机。

Pall补充道：“Project AirSim 系统将给许多行业带来巨变并实现许多空中作业场景，包括在拥挤的城市中实现最后一英里物流，以及对1000英里外坠落的电线进行检查等。但首先我们必须在模拟真实环境的虚拟世界中安全地训练这些系统。Project AirSim 是一种重要的工具，它可以让我们将真实世界和虚拟世界连接起来，并展示了工业虚拟世界的力量：企业将在虚拟世界中构建、测试和完善解决方案，然后再把这些解决方案带入现实世界中。”

高保真仿真是 AirSim 的核心，AirSim 是微软研究院早期开发的开源项目，这个即将终止的项目为 Project AirSim 的发布带来了启发。AirSim 是一款颇受欢迎的研究工具，但使用时需要在编码和机器学习方面具备深厚的专业知识。

如今，微软已经将这款开源工具转变为一个端到端平台，使开展先进空中机动性（AAM）业务的客户能够在3D模拟环境中更轻松地测试和训练AI驱动的无人机。

Project AirSim工程负责人Balinder Malhi表示：“人们都在谈论AI，但却鲜有公司能够大规模应用AI。我们创建的Project AirSim可有助于推进并普及自主飞行，因为在无需具备深厚的AI专业知识的情况下，它也能够准确模拟现实世界、捕获和处理海量数据以及自主进行编码。”

开发人员可以通过Project AirSim，与预训练AI构建模块建立联系，包括用于探测与规避碍航物的先进模块以及用于执行精确着陆的模块等。Malhi表示，得益于这种“开箱即用”的能力，用户无需掌握深度机器学习方面的专业知识，有助于扩大可以训练无人机的用户群体。

▲ 总部位于北达科他州的Airtonomy利用Project AirSim训练负责检查风力涡轮机等关键基础设施的无人机。

图片由Airtonomy提供。

Airtonomy参与了Project AirSim的早期使用项目，利用该项目帮助客户快速、安全地对关键基础设施进行远程巡检，整个过程无需花费时间和费用，规避了因派遣机组人员到偏远地区而面临的风险，同时使用时也无需掌握深厚的专业技术。

Josh Riedy表示：“我们为一线工作人员创建了自动捕获自动程式，这些人员不经常使用无人机和机器人，但需要他们像在使用其他工具时那样在无人机中进行操作。”通过Airtonomy，无人机不仅可以自动检查资产，而且在捕获数据时可以自动将捕获到的数据情境化。这些功能可以扩展到任何行业的任何资产，从而实现端到端自动化的全新工作流。

他表示：“基础设施建设人员在使用这些工具时，只需摁下按钮，相关数据就会显示出来，用于断电抢修、灾难响应或线路维护等工作，看到这样的场景真是太令人惊叹了。Project AirSim正在改变机器人和AI的应用方式。”

使用必应地图（Bing Maps）和其他供应商提供的数据，Project AirSim用户还将能够创建数百万个精细的3D模拟环境，并访问纽约市或伦敦等特定位置的图书馆，或机场等通用空间。

此外，微软还与业界合作伙伴紧密合作，将精确模拟扩展到天气、物理，以及自动机器人用来“观察”世界的各种重要传感器。例如，微软与Ansys携手合作，利用其高保真、基于物理的传感器模拟，使客户能够获得自动驾驶汽车丰富的地面实况信息。同时，微软和MathWorks也在开展合作，以便客户可以使用Simulink将自己的物理模型带到AirSim平台。

随着模拟飞行的开展，产生了大量数据。开发人员捕获所有数据，并基于这些数据通过各种机器学习方法来训练AI模型。

在即将到来以先进空中机动性为主的时代，在天空中将可以看到各种各样的飞行器，包括业余爱好者的无人机和搭载乘客的复杂eVTOL（电动垂直起降）飞行器。微软表示，潜在的用例几乎数不胜数，例如对电线和港口进行检查，在拥挤的城市运送包裹和人员，以及在狭窄的矿井深处或在农田上空进行作业等。

▲ 在Project AirSim的高保真环境中，AI模型通过试错来学习在飞行的每个阶段应该执行哪些动作。

图片来源于微软。

但仅靠技术还无法开启自主飞行的时代。航空业还必须在全球空域监控系统和监管环境中制定路线图。Project AirSim团队积极与标准制定机构、民航和监管机构合作，制定必要的标准和合规手段，以推动该行业的发展。

Pall表示，微软还计划与全球民航监管机构合作，研究如何利用Project AirSim为安全自动驾驶系统认证工作提供支持，这可能会在AirSim中创建出无人机必须能够成功导航的场景。包括大雨场景；大风场景；以及GPS信号发生中断的场景。Pall提到，如果无人机每次都能从A地顺利到达B地，这可能是通过认证的重要一步。

Ashish Kapoor是微软研究院最早参与AirSim开发的人员，他非常自豪能够助力将这款仿真引擎从一个主要存在于代码中的研究工具发展成为一个更强大的平台，使任何企业在未掌握深厚专业技术的情况下均能使用。作为一名飞行员，Kapoor迫不及待地想看看这对飞行界而言意味着什么。

微软自主系统研究部门现任总经理Kapoor表示：“当无人机在Project AirSim中飞行时，会产生海量数据。我们捕捉数据并将其应用于自主驾驶的能力将显著改变航空业的格局。正因为如此，我们将在天空中看到更多飞行器，它们将被用于监控农场，检查关键基础设施，以及将货物和人员运送到最偏远的地区。”