更長的飛行時間，更少的能量消耗，更復雜的飛行動作。”這是 Google「氣球互聯(lián)網(wǎng)」項目 “Project Loon”交回的最新成績單。

Google 母公司 Alphabet 于 2013 年 6 月正式啟動 Project Loon 計劃，該計劃旨在將 AI 技術(shù)與超壓氣球相結(jié)合，為更多地區(qū)提供低價且高速的無線互聯(lián)網(wǎng)服務(wù)，尤其是與市中心相距甚遠的偏遠地區(qū)。

前段時間，Loon 順利完成了最新一輪飛行測試。

昨日，最新分析結(jié)果顯示，在飛躍太平洋的 39 天里，Loon 氣球表現(xiàn)出了比以往更好的性能——基于最新人工智能系統(tǒng)，它能夠更快地計算出氣球的最佳導航路徑；在目標區(qū)域上飛行的時間更長，消耗的能量更少，更關(guān)鍵的是，它還提出了研究團隊此前未曾想到過的新的導航動作。

而這一最新人工智能系統(tǒng)正是基于強化學習（ Reinforcement-Learnin，RL）算法的 AI 系統(tǒng)。

研究人員稱，這是他們首次將 RL 系統(tǒng)應(yīng)用到航空航天產(chǎn)品中。Loon 取得的成績，表明 RL 可以作為解決現(xiàn)實世界自主控制問題的有效解決方案。

目前，有關(guān)這項研究發(fā)現(xiàn)的論文成果已經(jīng)登上了《Nature》雜志。

接下來，我們來具體聊一下：Google 為什么要開展「氣球互聯(lián)網(wǎng)」計劃，以及強化學習系統(tǒng)到底解決了哪些難題。

「氣球互聯(lián)網(wǎng)」計劃

你可能難以想象，在互聯(lián)網(wǎng)如此普及的當下，全球還有一半的以上的用戶無法享受到這項服務(wù)。

2013 年，為了讓 30 多億用戶所在的偏遠地區(qū)覆蓋互聯(lián)網(wǎng)，Alphabet 正式啟動了高空互聯(lián)網(wǎng)服務(wù)項目。之后幾年，陸續(xù)有不少科技公司也加入了這個隊伍，比如 SpaceX、OneWeb 等。

其中最值得一提的，是馬斯克的 “太空互聯(lián)網(wǎng)”計劃，他計劃向太空發(fā)射 42000 顆通信衛(wèi)星，在地球低空軌道形成一個巨型星座來完成與地面的通信任務(wù)。目前他已經(jīng)成功發(fā)射了近 900 顆衛(wèi)星。

相比于馬斯克的「太空衛(wèi)星」，Alpbet 則把通信業(yè)務(wù)的核心放在了「高空氣球」上。

具體來說，用「高空氣球」實現(xiàn)地面通信的過程如下：當氣球上升到高空平流層后（超過云層 12 英里高），利用 “太陽能技術(shù)”吸收能量以作為電力支持，然后通過 “算法系統(tǒng)控制（ Algorithmic Control）”讓氣球上下飄動，并根據(jù)風向捕捉風流信號，將氣球穩(wěn)定在一個固定區(qū)域。

最后通過 “網(wǎng)狀回路（Mesh Networking）技術(shù)”，將互聯(lián)網(wǎng)數(shù)據(jù)包從一個氣球傳輸至另一個氣球；從氣球傳輸至在屋頂建立天線的家庭和企業(yè)用戶；最后將這些用戶的數(shù)據(jù)傳輸出去。

這一過程中，如果氣球在平流層飛行的時間越長，意味著 Loon 越可以在較低成本下為目標區(qū)域提供更長久的連通性，這也意味著互聯(lián)網(wǎng)服務(wù)將不僅可以覆蓋到更偏遠的地區(qū)，而且它的價格也會更便宜。

在近幾年的飛行測試中，Loon 的平流層飛行時長不斷刷新著世界紀錄，目前最高成績已經(jīng)達到 312 天，接近一整年。

這項最高飛行紀錄開始于 2019 年 5 月，Loon 從波多黎各（Puerto Rico）起飛，進入秘魯（Peru），然后在那里進行為期三個月的飛行測試。測試結(jié)束后，向南越過太平洋，于今年 3 月在墨西哥的巴哈（Baja）登錄。

這項記錄刷新了當時 223 天的最高記錄，Loon 首席技術(shù)官 Sal Candido 在博客中表示，創(chuàng)紀錄的飛行成績是該公司努力發(fā)展技術(shù)，并以創(chuàng)新的方式推動硬件和軟件向不斷升級的結(jié)果。

當時 Loon 的軟件系統(tǒng)還并未引入 RL。

目前，Loon 已經(jīng)在澳大利亞、昆士蘭、肯尼亞、新西蘭、加州中央峽谷以及巴西利亞東北部等多個地區(qū)提供了 Loon 測試服務(wù)。去年，因受到颶風襲擊的影響，美國電信運營商還利用 Project Loon 為超過 25 萬的災民提供了網(wǎng)絡(luò)連接。

不過，在以上服務(wù)過程中，Loon 的平流層導航問題依然面臨很大的挑戰(zhàn)。

此次，基于 RL 系統(tǒng)的提出為解決當前的挑戰(zhàn)提供了一種全新的解決方案，與原有的氣球?qū)Ш较到y(tǒng)相比，RL 算法改善了飛行過程中的決策時間問題。

谷歌加拿大公司的研究科學家、論文一作馬克 · 貝勒馬爾（Marc Bellemare）表示，

通過強化學習，我們可以根據(jù)數(shù)據(jù)決定該如何操作，AI 不僅可以做出決策，而且可以根據(jù)移動的時間做出實時決策。

Loon：強化學習飛行控制器

如果在一個區(qū)域提供完全的網(wǎng)絡(luò)覆蓋，Loon 一次至少要運行 5 到 10 個氣球。如果覆蓋范圍擴大，需要調(diào)用周圍的備用氣球，在空中組建一個更大的網(wǎng)狀網(wǎng)絡(luò)。

在這一過程中，氣球一般會出現(xiàn)以下狀況：一是因電池報廢等因素，導致氣球壽命縮短并自動降落。二是受颶風等惡劣天氣影響，氣球被吹出固定服務(wù)區(qū)；

三是最關(guān)鍵也是難度最高的氣球?qū)Ш健?/p>

上文已經(jīng)提到過，Loon 的氣球?qū)Ш绞峭ㄟ^球體上下移動，尋找合適的氣流來進行導航。

如下圖（a）氣球通過在不同高度的風之間移動來接近它的指定位置。（b）顯示了氣球的飛行線路，藍色圓直徑代表 50 公里，為氣球之間的最佳距離。

但氣流是不穩(wěn)定的東西。靠風在天空中移動就像使用一個道路網(wǎng)，在那里街道會改變方向、車道數(shù)和速度限制，甚至在不可預知的時間完全消失。

因此要做到這一點就需要一套更復雜的算法—強化學習。通過訓練飛行控制器，RL 可以形成一套控制策略，以處理高維的、異質(zhì)的輸入，并優(yōu)化長期目標。比如，RL 已經(jīng)在 Dota 2 等即時策略性游戲中多次戰(zhàn)勝人類頂級玩家，而且在長遠策略方面表現(xiàn)驚人。

而對于一個好的飛行控制器，需要確保三點：精準且豐富和數(shù)據(jù)集，最低負載消耗以及低計算成本。

在數(shù)據(jù)集方面，研究人員根據(jù)歐洲中期天氣預報中心（ECMWF）的全球再分析數(shù)據(jù)（ERA5）創(chuàng)建了可信的風數(shù)據(jù)集，并通過數(shù)據(jù)集的模型訓練重新解釋歷史天氣觀測的結(jié)果。（ERA5 提供了用程序噪聲修改的基準風，通過產(chǎn)生高分辨率風場改變驅(qū)動程序噪聲的隨機種子，可以提高控制器建模誤差的魯棒性。）

在最低負載消耗方面，研究人員將部署控制器的平均功率控制在了 StationSeeker 之下（之前的風控制系統(tǒng)），同時使用獎勵 r 對目標進行了編碼。當氣球距離保持在 50 公里范圍內(nèi)時，r=1 為最大值。當然這種獎勵也與氣球的狀態(tài)有關(guān)，也就是說，它的響應(yīng)隨時間 t 的變化而提供不同的指示（上升、下降或停留）

當系數(shù)小于 1 時，最優(yōu)控制器將使未來回報的預測折現(xiàn)總和最大化，即 “回報”。

其中 E 表示期望值。Rs 表示飛行控制器從初始狀態(tài)形成的長期值。

最后，計算成本主要體現(xiàn)在風的測量上，研究人員使用高斯過程將氣球的測量結(jié)果與 ECMWF 的預報結(jié)果相結(jié)合，將風預報作為先驗平均值。后驗分布的方差量化了不同風估計的不確定性。作為控制器的輸入，對氣球正上方和下方的風大小和相對方位進行編碼，在 181 個氣壓等級下，范圍為 5 kPa 到 14 kPa。

太平洋高空測試

基于以上 RL 控制器，研究人員在太平洋上空進行了為期 39 天的氣球?qū)Ш綔y試。

從 2019 年 12 月 17 日—2020 年 1 月 25 日，Loon 累計飛行了約 2884 小時。這些數(shù)據(jù)被劃分為 851 個三小時時間，每個時間段作為一個獨立樣本。最終測試結(jié)果顯示，

RL 控制器在平流層內(nèi)飛行的時間更長（TWR50 79% 對 72%；U=850， 410.5，P《10-4）；高度控制使用的功率更少（29w 對 33w，U=1048，814，P》10-4）。

與 StationSeeker 相比，在 50 公里射程內(nèi)，RL 控制器根據(jù)風況使用不同的策略，可以使其在 25-50km 射程內(nèi)花費更多的時間（圖 4b）；通過主動移動以返回目標區(qū)域，縮短了偏移時間（圖 4c）。同時也讓它節(jié)省了更多能耗（圖 d）最后，RL 控制器利用海拔高度將電池容量過剩的太陽能轉(zhuǎn)化為了勢能（圖 4e）。

這些結(jié)果表明，強化學習是解決現(xiàn)實世界中自主控制問題的有效解決方案，在傳統(tǒng)控制方法（StationSeeker）無法滿足要求的情況下，需要創(chuàng)建與真實動態(tài)環(huán)境持續(xù)交互的人工智能體。更長的飛行時間，更少的能量消耗，更復雜的飛行動作。

這是 Google「氣球互聯(lián)網(wǎng)」項目“Project Loon”交回的最新成績單。

Google 母公司 Alphabet 于 2013 年 6 月正式啟動 Project Loon 計劃，該計劃旨在將 AI 技術(shù)與超壓氣球相結(jié)合，為更多地區(qū)提供低價且高速的無線互聯(lián)網(wǎng)服務(wù)，尤其是與市中心相距甚遠的偏遠地區(qū)。

前段時間，Loon 順利完成了最新一輪飛行測試。

昨日，最新分析結(jié)果顯示，在飛躍太平洋的 39 天里，Loon 氣球表現(xiàn)出了比以往更好的性能——基于最新人工智能系統(tǒng)，它能夠更快地計算出氣球的最佳導航路徑；在目標區(qū)域上飛行的時間更長，消耗的能量更少，更關(guān)鍵的是，它還提出了研究團隊此前未曾想到過的新的導航動作。

而這一最新人工智能系統(tǒng)正是基于強化學習（ Reinforcement-Learnin，RL）算法的 AI 系統(tǒng)。

研究人員稱，這是他們首次將 RL 系統(tǒng)應(yīng)用到航空航天產(chǎn)品中。Loon 取得的成績，表明 RL 可以作為解決現(xiàn)實世界自主控制問題的有效解決方案。

目前，有關(guān)這項研究發(fā)現(xiàn)的論文成果已經(jīng)登上了《Nature》雜志。

接下來，我們來具體聊一下：Google 為什么要開展「氣球互聯(lián)網(wǎng)」計劃，以及強化學習系統(tǒng)到底解決了哪些難題。

「氣球互聯(lián)網(wǎng)」計劃

你可能難以想象，在互聯(lián)網(wǎng)如此普及的當下，全球還有一半的以上的用戶無法享受到這項服務(wù)。

2013 年，為了讓 30 多億用戶所在的偏遠地區(qū)覆蓋互聯(lián)網(wǎng)，Alphabet 正式啟動了高空互聯(lián)網(wǎng)服務(wù)項目。之后幾年，陸續(xù)有不少科技公司也加入了這個隊伍，比如 SpaceX、OneWeb 等。

其中最值得一提的，是馬斯克的“太空互聯(lián)網(wǎng)”計劃，他計劃向太空發(fā)射 42000 顆通信衛(wèi)星，在地球低空軌道形成一個巨型星座來完成與地面的通信任務(wù)。目前他已經(jīng)成功發(fā)射了近 900 顆衛(wèi)星。

相比于馬斯克的「太空衛(wèi)星」，Alpbet 則把通信業(yè)務(wù)的核心放在了「高空氣球」上。

具體來說，用「高空氣球」實現(xiàn)地面通信的過程如下：當氣球上升到高空平流層后（超過云層 12 英里高），利用“太陽能技術(shù)”吸收能量以作為電力支持，然后通過“算法系統(tǒng)控制（ Algorithmic Control）”讓氣球上下飄動，并根據(jù)風向捕捉風流信號，將氣球穩(wěn)定在一個固定區(qū)域。

最后通過“網(wǎng)狀回路（Mesh Networking）技術(shù)”，將互聯(lián)網(wǎng)數(shù)據(jù)包從一個氣球傳輸至另一個氣球；從氣球傳輸至在屋頂建立天線的家庭和企業(yè)用戶；最后將這些用戶的數(shù)據(jù)傳輸出去。

這一過程中，如果氣球在平流層飛行的時間越長，意味著 Loon 越可以在較低成本下為目標區(qū)域提供更長久的連通性，這也意味著互聯(lián)網(wǎng)服務(wù)將不僅可以覆蓋到更偏遠的地區(qū)，而且它的價格也會更便宜。

在近幾年的飛行測試中，Loon 的平流層飛行時長不斷刷新著世界紀錄，目前最高成績已經(jīng)達到 312 天，接近一整年。

這項最高飛行紀錄開始于 2019 年 5 月，Loon 從波多黎各（Puerto Rico）起飛，進入秘魯（Peru），然后在那里進行為期三個月的飛行測試。測試結(jié)束后，向南越過太平洋，于今年 3 月在墨西哥的巴哈（Baja）登錄。

這項記錄刷新了當時 223 天的最高記錄，Loon 首席技術(shù)官 Sal Candido 在博客中表示，創(chuàng)紀錄的飛行成績是該公司努力發(fā)展技術(shù)，并以創(chuàng)新的方式推動硬件和軟件向不斷升級的結(jié)果。

當時 Loon 的軟件系統(tǒng)還并未引入 RL。

目前，Loon 已經(jīng)在澳大利亞、昆士蘭、肯尼亞、新西蘭、加州中央峽谷以及巴西利亞東北部等多個地區(qū)提供了 Loon 測試服務(wù)。去年，因受到颶風襲擊的影響，美國電信運營商還利用 Project Loon 為超過 25 萬的災民提供了網(wǎng)絡(luò)連接。

不過，在以上服務(wù)過程中，Loon 的平流層導航問題依然面臨很大的挑戰(zhàn)。

此次，基于 RL 系統(tǒng)的提出為解決當前的挑戰(zhàn)提供了一種全新的解決方案，與原有的氣球?qū)Ш较到y(tǒng)相比，RL 算法改善了飛行過程中的決策時間問題。

谷歌加拿大公司的研究科學家、論文一作馬克·貝勒馬爾（Marc Bellemare）表示，

通過強化學習，我們可以根據(jù)數(shù)據(jù)決定該如何操作，AI 不僅可以做出決策，而且可以根據(jù)移動的時間做出實時決策。

Loon：強化學習飛行控制器

如果在一個區(qū)域提供完全的網(wǎng)絡(luò)覆蓋，Loon 一次至少要運行 5 到 10 個氣球。如果覆蓋范圍擴大，需要調(diào)用周圍的備用氣球，在空中組建一個更大的網(wǎng)狀網(wǎng)絡(luò)。

在這一過程中，氣球一般會出現(xiàn)以下狀況：一是因電池報廢等因素，導致氣球壽命縮短并自動降落。二是受颶風等惡劣天氣影響，氣球被吹出固定服務(wù)區(qū)；

三是最關(guān)鍵也是難度最高的氣球?qū)Ш健?/p>

上文已經(jīng)提到過，Loon 的氣球?qū)Ш绞峭ㄟ^球體上下移動，尋找合適的氣流來進行導航。

如下圖（a）氣球通過在不同高度的風之間移動來接近它的指定位置。（b）顯示了氣球的飛行線路，藍色圓直徑代表 50 公里，為氣球之間的最佳距離。

但氣流是不穩(wěn)定的東西?？匡L在天空中移動就像使用一個道路網(wǎng)，在那里街道會改變方向、車道數(shù)和速度限制，甚至在不可預知的時間完全消失。

因此要做到這一點就需要一套更復雜的算法—強化學習。通過訓練飛行控制器，RL 可以形成一套控制策略，以處理高維的、異質(zhì)的輸入，并優(yōu)化長期目標。比如，RL 已經(jīng)在 Dota 2 等即時策略性游戲中多次戰(zhàn)勝人類頂級玩家，而且在長遠策略方面表現(xiàn)驚人。

而對于一個好的飛行控制器，需要確保三點：精準且豐富和數(shù)據(jù)集，最低負載消耗以及低計算成本。

在數(shù)據(jù)集方面，研究人員根據(jù)歐洲中期天氣預報中心（ECMWF）的全球再分析數(shù)據(jù)（ERA5）創(chuàng)建了可信的風數(shù)據(jù)集，并通過數(shù)據(jù)集的模型訓練重新解釋歷史天氣觀測的結(jié)果。（ERA5 提供了用程序噪聲修改的基準風，通過產(chǎn)生高分辨率風場改變驅(qū)動程序噪聲的隨機種子，可以提高控制器建模誤差的魯棒性。）

在最低負載消耗方面，研究人員將部署控制器的平均功率控制在了 StationSeeker 之下（之前的風控制系統(tǒng)），同時使用獎勵r對目標進行了編碼。當氣球距離保持在 50 公里范圍內(nèi)時，r=1 為最大值。當然這種獎勵也與氣球的狀態(tài)有關(guān)，也就是說，它的響應(yīng)隨時間t的變化而提供不同的指示（上升、下降或停留）

當系數(shù)小于 1 時，最優(yōu)控制器將使未來回報的預測折現(xiàn)總和最大化，即“回報”。

其中E表示期望值。Rs表示飛行控制器從初始狀態(tài)形成的長期值。

最后，計算成本主要體現(xiàn)在風的測量上，研究人員使用高斯過程將氣球的測量結(jié)果與 ECMWF 的預報結(jié)果相結(jié)合，將風預報作為先驗平均值。后驗分布的方差量化了不同風估計的不確定性。作為控制器的輸入，對氣球正上方和下方的風大小和相對方位進行編碼，在 181 個氣壓等級下，范圍為 5 kPa 到 14 kPa。

太平洋高空測試

基于以上 RL 控制器，研究人員在太平洋上空進行了為期 39 天的氣球?qū)Ш綔y試。

從 2019 年 12 月 17 日—2020 年 1 月 25 日，Loon 累計飛行了約 2884 小時。這些數(shù)據(jù)被劃分為 851 個三小時時間，每個時間段作為一個獨立樣本。最終測試結(jié)果顯示，

RL 控制器在平流層內(nèi)飛行的時間更長（TWR50 79% 對 72%；U=850， 410.5，P《10-4）；高度控制使用的功率更少（29w 對 33w，U=1048，814，P《10-4）。

與 StationSeeker 相比，在 50 公里射程內(nèi)，RL 控制器根據(jù)風況使用不同的策略，可以使其在 25-50km 射程內(nèi)花費更多的時間（圖 4b）；通過主動移動以返回目標區(qū)域，縮短了偏移時間（圖 4c）。同時也讓它節(jié)省了更多能耗（圖d）最后，RL 控制器利用海拔高度將電池容量過剩的太陽能轉(zhuǎn)化為了勢能（圖 4e）。

這些結(jié)果表明，強化學習是解決現(xiàn)實世界中自主控制問題的有效解決方案，在傳統(tǒng)控制方法（StationSeeker）無法滿足要求的情況下，需要創(chuàng)建與真實動態(tài)環(huán)境持續(xù)交互的人工智能體。

責任編輯：PSY