前沿 - 人工智能在无人机竞速领域战胜人类冠军

最近,科研人员研究出了一个名为Swift的人工智能(AI)系统,搭载该系统的无人机首次成功在一对一冠军赛中战胜人类对手,这项研究成果有多重要呢?相关论文已发表在Nature期刊,并且登上了当期的封面!

或许你没有听说过深度强化学习(Reinforcement Learning,RL)系统,但你一定听说过或接触过国际象棋、星际争霸(StarCraft)、Dota2和GT赛车这些游戏,如果你与电脑对战,那么电脑虚拟玩家就是通过深度强化学习来完成一系列操作的。在模拟和棋盘游戏环境中,AI可以轻松胜过人类,但在物理世界的竞赛,AI的决策和操作则面临诸多困难。

本文所讨论的第一人称视角 (FPV) 无人机竞赛是专业选手在 3D 赛道上驾驶高速飞行的无人机,驾驶员可以通过机载摄像头传输的画面从无人机的角度观察环境,从而完成加减速、转弯等操作,让无人机穿越赛道中的障碍。自动驾驶无人机要达到职业飞行员的水准很难,因为机器人需要在其物理限制下飞行,同时只能根据机载传感器估算其速度和方位。

传统的无人机竞速方法包括轨迹规划和模型预测控制(model predictive control,MPC),但这种方法只能在理想条件下实施,一旦受到任何干扰,整个系统就会崩溃。而Swift系统克服了这个困难。Swift系统由两个关键模块组成:一是感知系统,将高维视觉(即空间立体视觉)和惯性信息转换为低维编码;二是控制系统,摄取感知系统产生的低维编码并产生控制命令。将这两个系统结合起来,便可以基于物理环境的细微变化进行实时决策调整。

当然,先进的感知系统和控制系统还不足以对抗人类冠军驾驶员。Swift系统比人类驾驶员具有一定的结构优势。首先,它能利用来自机载惯性测量单元的惯性数据。这类似于人类的前庭系统,人类驾驶员在比赛中无法使用该系统,因为他们实际上并不在飞机上,并且感觉不到作用在飞机上的加速度。其次,Swift系统受益于较低的感觉运动延迟(Swift为40毫秒,而人类专家的平均延迟为220毫秒)。FPV比赛使用的是四轴飞行器,它是有史以来最敏捷的机器之一。在比赛中,飞行器会施加超过自身重量五倍或更多的力量,即使在有限的空间内,速度也能超过100公里/小时,加速度是重力的几倍。因此,较低的延迟有助于让飞行器的行动更灵活。

在实际比赛流程中,人类飞行员在赛道上进行了为期一周的练习。之后,由Swift和人类控制的无人机需要在场地赛道中以正确的顺序穿过每一道门。Swift在与三位人类冠军正面交锋的比赛中均获胜,甚至创造了最快完成比赛的记录。

在AI控制的无人机战胜人类之后,自主移动机器人仍然有很多可以提升的方向。例如人类控制无人机时,即使发生了碰撞,只要硬件仍然正常工作,人类仍然可以控制无人机继续飞行并完成这段赛道,但Swift没有接受过碰撞后恢复的训练。即便存在诸多限制,但该研究成果已经成为移动机器人技术和机器智能的一个里程碑,它将助力自动驾驶的地面车辆、飞行器和个人机器人的快速发展。(SamKakeru)

来源:“科协之声”微信公众号

展开阅读全文

页面更新:2024-03-07

标签:无人机   人类   飞行器   加速度   人工智能   赛道   惯性   驾驶员   机器人   物理   冠军   领域   系统

1 2 3 4 5

上滑加载更多 ↓
推荐阅读:
友情链接:
更多:

本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828  

© CopyRight 2008-2024 All Rights Reserved. Powered By bs178.com 闽ICP备11008920号-3
闽公网安备35020302034844号

Top