Le drone Swift utilise la technologie de l'IA pour vaincre les meilleurs joueurs humains lors d'un événement FPV

L'intelligence artificielle a une nouvelle fois vaincu le champion du monde humain, cette fois dans les courses de drones.

Cette réalisation majeure a été publiée dans les magazines "Nature" et "Science Robotics" par une équipe d'ingénieurs de l'Université de Zurich en Suisse. Après la première course contre un drone IA en 2011, aucun drone autonome ne pouvait battre un pilote humain jusqu'à l'arrivée de Swift. Swift a vaincu des joueurs humains champions du monde, dont le champion du monde 2019 de la Drone Racing League Alex Vanover, le double champion MultiGP International Open Thomas Bitmatta et le triple champion national suisse Marvin Schaepper

Dans le domaine virtuel, l'intelligence artificielle a vaincu les humains dans des jeux tels que les échecs, les dames, le Go et StarCraft. Maintenant, pour la première fois, il a également réussi à vaincre des humains dans un défi physique

Ce paragraphe a été réécrit comme suit : Ce jeu a été réalisé par un drone « First Person View » (FPV) équipé d'une caméra haute résolution. Un article a été publié dans le magazine Science Robotics détaillant la victoire historique remportée par l'équipe de développement du drone Swift. Dans une compétition acharnée avec trois drones concurrents, ce drone a remporté 15 des 25 défis. La personne en charge du projet a déclaré : « Nos résultats marquent la première fois qu'un robot piloté par l'IA bat des humains dans un événement d'expérience réel conçu pour les humains et dirigé par des humains. »

Le secret du succès du drone « Swift » réside dans son puissant réseau de neurones artificiels, capable d'optimiser la route et la vitesse du drone. Il collecte les détails de l'environnement en temps réel grâce à des caméras embarquées pour fournir un guidage précis aux drones, tandis que les pilotes humains s'appuient sur des signaux vidéo transmis aux écouteurs pour expérimenter une « perspective à la première personne ».

Dans cette course de drones, l'opérateur humain contrôle le drone via la piste 3D grâce à la caméra embarquée. L'innovation du système Swift réside dans la capacité de mapper l'état du drone aux commandes permettant d'ajuster la poussée et la vitesse de rotation. Cette réalisation constitue une étape importante dans le domaine de la robotique mobile et de l’intelligence artificielle.

Introduction à la technologie Swift

Swift est un quadricoptère contrôlé de manière autonome à l'aide uniquement de capteurs et d'ordinateurs embarqués. L'avion se compose de deux modules clés :

Le système de perception convertit les informations visuelles et inertielles de grande dimension en représentations de basse dimension ;
1. Stratégie de contrôle, ingère la représentation de basse dimension générée par le système de perception et génère des commandes de contrôle.
Parmi eux, la stratégie de contrôle est représentée par un réseau neuronal à action directe et entraînée à l'aide d'un apprentissage par renforcement profond (RL) sur politique sans modèle

Compte tenu des différences de détection et de dynamique entre la simulation et le monde réel, l'optimisation des stratégies uniquement en simulation entraînera de moins bonnes performances réelles du drone. Par conséquent, l'équipe de recherche a décidé d'estimer un modèle de bruit empirique non paramétrique à l'aide de données collectées à partir de systèmes physiques

Les résultats de recherche montrent que ces modèles empiriques de bruit jouent un rôle positif dans le transfert réussi des stratégies de contrôle de la simulation à la réalité

Plus précisément, Swift convertit les lectures des capteurs de l'avion en commandes de contrôle. Ce processus de conversion comprend deux parties :

(1) Stratégie d'observation pour affiner les informations visuelles et inertielles de grande dimension en un codage de basse dimension spécifique à une tâche ;

(2) Stratégie de contrôle, convertir le codage en commandes de drone.

Sur les 10 pertes enregistrées par Swift, 40 % étaient dues à des collisions avec des adversaires, 40 % étaient dues à des collisions avec des portes de compétition et 20 % étaient dues au fait d'être plus lents que les drones contrôlés par l'homme. Dans l'ensemble, Swift a remporté le plus de courses contre des drones contrôlés par l'homme, et a également établi le record de course le plus rapide, battant le meilleur temps d'un drone contrôlé par l'homme (A. Vanover) d'une demi-douzaine de secondes.

Bien que le Swift soit globalement plus rapide que tous les drones contrôlés par l'homme, il n'est pas plus rapide sur chaque segment de la piste.

Une analyse minutieuse réalisée par l'équipe de recherche a révélé que : lors du décollage, Swift a un temps de réaction plus court et décolle en moyenne 120 millisecondes plus tôt que les pilotes humains ; Swift accélère également plus rapidement et entre dans la première porte de compétition à une vitesse plus élevée. Dans les virages serrés, les mouvements du Swift sont plus serrés.

L'équipe de recherche a également proposé l'hypothèse selon laquelle Swift optimise les trajectoires sur des échelles de temps plus longues que les opérateurs humains. On sait qu’un apprentissage par renforcement sans modèle peut être réalisé en optimisant les récompenses à long terme. En comparaison, les opérateurs humains disposent d’un délai plus court pour planifier les mouvements et ne peuvent prédire qu’une seule porte de compétition dans le futur

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!