早期航空器，1818（來源：維基百科&美國國會數據庫）

　　在制造了一個圖像識別機器人后，顯然下一步是制作一個可飛行的版本。于是我決定打造一款能夠進行面部識別并響應語音命令的自動化無人機。

　　▍選擇一款預制無人機

　　對無人機進行編程，最難的部分是如何開始，我是從組裝無人機零件開始的。但是幾乎和之前所有DIY項目一樣，自己組裝無人機花了我很多的錢。而且坦白的說，我手工打造的無人機一直沒有穩定飛行過。可以肯定的是，直接購買預制版本才是更加簡單經濟的選擇。

　　大多數無人機制造商都聲稱提供API接口，但對于業余愛好者來說并沒有什么明顯的優勢。市面上帶似乎可用的API接口的無人機，大多售價都超過1000美元，這是一個很高的進入門檻。

　　經過一些調查以后，我發現了Parrot AR Drone 2.0（見下圖）。我認為對于業余愛好者來說，這是一款理想的機器。它的價格不高，還可以進行編程。你可以選擇花200美元買一臺新機器，但由于很多人買了無人機又從來不使用它們，因此購買一臺二手機器也是個不錯的選擇。在eBay上二手無人機的售價大約是130美元甚至更低。

　　△我收藏的各類無人機，Parrot AR Drone無人機掛在最左邊

　　Parrot AR無人機飛行的穩定性沒有更貴的新款 Parrot Bebop 2.0 好（售價大約550美元），但是Parrot AR提供一個好用的node.js客戶端庫叫做node-ar-drone，很適合在上面進行開發。

　　另外一個優勢：Parrot AR無人機很結實。在測試自動化程序的過程中，無論它被撞墻上、家具上、室內植物上和客人身上，他仍然能夠良好的飛行。

　　相比給地面機器人編程，給無人機編程最糟的地方是電池續航時間短。一塊電池需要充電幾個小時，才能飛行大約10分鐘的時間。因此我建議多買兩塊備用電池，測試的時候可以循環使用。

　　▍給我的無人機編程

　　由于Java天生的驅動能力，因此是非常理想的無人機編程語言。相信我，無人機飛行中會遇到很多異步事件。我雖然沒有在Node上花費很多時間，但這個語言讓我印象深刻。我最近一次認真的為機器人編程使用的是C語言。用C語言處理線程和各種異常是十分痛苦的，因此最好少用。我希望有人為其它無人機平臺建立Java開發包，因為這個語言讓我們處理不確定性的開發事件，變得簡單有趣。

　　架構

　　我決定在筆記本電腦上運行邏輯，在云端進行機器學習。比起直接在樹莓派硬件上運行神經網絡，這種架構的延遲更低。我認為這種架構對目前的業余無人機開發項目來說是可行的。

　　微軟、谷歌、IBM和亞馬遜都有快速、廉價的云端機器學習API。最終，我選擇了微軟認知服務API（Cognitive Service API）。因為這是唯一一個提供定制面部識別功能的API。

　　△無人機的架構

　　入門

　　默認情況下，Parrot AR Drone2.0帶有可供客戶端連接的無線網絡。這個功能對編程者來說非常麻煩。每次你希望嘗試什么的時候，需要先斷開你的網絡然后連上無人機的網絡。幸運的是，有一個名叫ardrone-wpa2的項目非常有用。它可以通過腳本讓無人機加入你自己的WiFi網絡。

　　遠程登錄到無人機是件十分有趣的事。Parrot運行在一個剝離版本的Linux上。你最近一次使用遠程登錄功能是什么時候？連接了什么東西？以下是打開終端并直接登錄無人機的示例。

　　% /connect “The Optics Lab” -p “particleorwave” -a 192.168.0.1 -d 192.168.7.43

　　% telnet 192.168.7.43

　　用命令行模式飛行

　　安裝node庫以后，創建一個node.js REPL（Read-Evaluate-Print-Loop）并用它引導無人機：