高速人工智能无人机超越世界冠无人机赛车手
还记得 1996 年 IBM 的深蓝 (Deep Blue) 在国际象棋比赛中战胜加里·卡斯帕罗夫 (Gary Kasparov)，或者 2016 年谷歌的 AlphaGo 在围棋这一更为复杂的游戏中击败了顶级冠李世石 (Lee Sedol) 吗?这些机器战胜人类冠的比赛是人工智能历史上的重要里程碑。现在，苏黎世大学和英特尔的一组研究人员创造了一个新的里程碑，推出了第一个能够在无人机竞赛等体育运动中击败人类冠的自主系统。
名为 Swift 的人工智能系统在第一人称视角 (FPV) 无人机竞赛中赢得了与三名世界级冠的多场比赛，飞行员以超过 100 公里/小时的速度驾驶四轴飞行器，同时佩戴与机载连接的耳机远程控制它们相机。
通过与物理世界互动来学习
“体育运动对人工智能来说更具挑战性，因为它们比棋盘游戏或视频游戏更难预测。我们对无人机和环境模型没有完美的了解，因此人工智能需要通过与物理世界的交互来学习它们，”苏黎世大学机器人和感知小组的负责人 Davide Scaramuzza 说道。无人机竞速队队长。
直到最近，自主无人机飞过跑道所需的时间是人类驾驶无人机的两倍，除非它们依靠外部位置跟踪系统来精确控制其轨迹。然而，斯威夫特对机载摄像头收集的数据做出实时反应，就像人类赛车手使用的那样。其集成惯性测量单元测量加速度和速度，而人工神经网络则使用摄像头的数据来定位无人机在太空中的位置并检测赛道沿线的大门。该信息被馈送到控制单元，该控制单元也基于深度神经网络，该网络选择最佳动作以尽快完成电路。
在优化的模拟环境中进行培训
Swift 在模拟环境中接受训练，通过反复试验自学飞行，使用一种称为强化学习的机器学习类型。模拟的使用有助于避免在系统经常崩溃的学习早期阶段摧毁多架无人机。“为了确保模拟器中动作的结果尽可能接近现实世界中的结果，我们设计了一种用真实数据优化模拟器的方法，”该论文的第一作者 Elia Kaufmann 说。在此阶段，得益于外部位置跟踪系统提供的非常精确的位置，无人机可以自主飞行，同时还记录来自摄像机的数据。通过这种方式，它学会了自动纠正在解释来自机载传感器的数据时产生的错误。
人类飞行员仍能更好地适应不断变化的条件
经过一个月的模拟飞行时间(相当于台式电脑上不到一个小时)，Swift 已准备好挑战其人类竞争对手：2019 年无人机竞速联盟冠 Alex Vanover、2019 年 MultiGP 无人机竞速冠 Thomas Bitmatta 和三位——次瑞士冠马文·谢珀 (Marvin Schaepper)。比赛于 2022 年 6 月 5 日至 13 日期间在苏黎世附近杜本多夫机场机库的专用赛道上举行。赛道面积为 25 x 25 米，有七个方形大门，必须按照正确的顺序通过才能完成一圈，其中包括具有挑战性的动作，包括 Split-S，这是一种需要将无人机半滚动并执行操作的杂技动作全速下降的半环。
总体而言，斯威夫特取得了最快圈速，比人类飞行员的最佳圈速领先半秒。另一方面，事实证明，人类飞行员比自主无人机更具适应性，当条件与训练目的不同时，例如房间内光线过多，自主无人机就会失败。
斯卡拉穆扎指出，挑战自主飞行的极限比无人机竞赛更重要。“无人机的电池容量有限;他们需要大部分能量才能保持在空中。因此，通过飞得更快，我们可以增加它们的效用。” 例如，在森林监测或太空探索等应用中，快速飞行对于在有限的时间内覆盖大片空间非常重要。在电影行业，快速的自主无人机可用于拍摄动作场景。高速飞行的能力可能会对被派往着火建筑物内的救援无人机产生巨大影响。
版权声明：本文由用户上传，如有侵权请联系删除！