商用無人機使用GPS系統(tǒng)導航，在建筑屋頂之上或高空中的運行并不成問題，但當無人機必須在低空自行在建筑間穿梭，或者突然闖進密集非結構化的城市街道、汽車、自行車、或行人間穿越時，并不具對突發(fā)事件的快速反應能力。

瑞士蘇黎世大學(Universitat Zurich；UZH)研究人員與美國國家科學研究中心(NCCR)機器人研究中心研發(fā)了DroNet算法，設計了深度神經網絡，為每張無人機捕捉到的圖象都提供轉向角，以保持無人機在閃避障礙物時的導航，以及碰撞機率，以讓無人機判別危險程度并實時作出反應。

UZH研究團隊教授Davide Scaramuzza表示，DroNet讓無人機可判別靜態(tài)和動態(tài)的障礙，進而放緩速度以避免撞擊。值得一提的是，UZH團隊開發(fā)的無人機并不仰賴先進的傳感器，而是使用普通的攝影機，就像每支手機上一樣，但該團隊開發(fā)非常強大的人工智能算法來解釋無人機觀察到的場景，并作出相應的反應。

深度學習最困難的挑戰(zhàn)之一就是必須搜集數千個訓練案例。研究團隊為了獲得足夠的案例來訓練DroNet算法，從城市環(huán)境中的動態(tài)汽車和自行車收集數據，透過訓練，無人機已自動學會了遵守交通規(guī)則，例如「如何沿車道行進而不充入對向車道」、「當行人、建筑物或其它車輛等障礙物擋在面前時如何停止」等。

更有趣的是，研究團隊發(fā)現他們的無人機不僅學會在城市街道間穿梭，且自主學會了在室內環(huán)境飛行，如停車場或辦公室的走廊等，而研究團隊從未訓練算法這么做。這項技術仍有許多技術性問題須克服。盡管如此，這項研究也為城市街道監(jiān)控、包裹運送、災區(qū)救援行動提供潛力。