近年来，无人机在广告及影视领域的应用日益广泛。尽管其在追踪拍摄方面具备视角优势，但连续性问题仍是挑战：即便位置、速度与角度参数正确，无人机仍可能为同一场景选择不同路径。为此，卡内基梅隆大学与Facebook联合开发了一套新框架以解决该难题。
框架工作原理
该研究成果发表于论文《为令人印象深刻的机器人 cinematography 学习语义控制域》。用户可通过“激动人心”、“有趣”或“全景镜头”等标签定义拍摄风格，确保所有画面输出符合特定标准。
传统视频制作成本高昂，即便是低成本短片广告预算也需1500至3500美元。中小企业若自建团队虽能节省开支，却往往牺牲专业性。而由Facebook、迪士尼及皮克斯等公司支持的AI驱动方案，既减轻了内部工作负担，又保障了作品的高质量产出。
框架开发历程
团队首先利用软件模拟器构建了包含多种拍摄类型的视频数据库，并结合众包资源与AI技术，学习标签与特定语义标识符之间的关联。
随后，研究人员通过实验确定了各拍摄参数的“感知有效最小步长”，即无人机执行拍摄所需的最小动作单元。基于此，团队建立了包含200个视频的数据库，并通过Amazon Mechanical Turk雇佣人员对语义标识符进行评分，以此指导机器学习模型优化无人机的拍摄调整参数。
最终，该框架被部署于Parrot Bepop 2无人机上。测试表明，其具备良好的泛化能力，可适应不同的演员、活动及环境。
展望未来，研究团队计划扩展参数集，实现对单帧画面的精细化控制（如镜头变焦、背景音乐匹配），并新增风景与地形拍摄功能。