L’IA championne de drone
Des chercheurs soutenus par le projet AGILEFLIGHT, financé par l’UE, ont mis au point le premier système autonome capable de battre des pilotes humains dans une course de drones. Baptisé Swift, le dispositif d’IA n’a pas battu n’importe quel concurrent humain, mais trois pilotes de classe mondiale: le champion 2019 de la Drone Racing League, Alex Vanover, le champion 2019 de la MultiGP Drone Racing, Thomas Bitmatta et le triple champion suisse, Marvin Schaepper. Lors des courses organisées entre le 5 et le 13 juin 2022, Swift a remporté plusieurs victoires contre les trois champions dans un sport connu sous le nom de course de drones en vue à la première personne. Les concurrents ont piloté leur drone grande vitesse à plus de 100 km par heure sur un parcours d’obstacles. Les engins étaient contrôlés à distance au moyen d’un casque relié à une caméra embarquée qui fournissait aux pilotes une vue à la première personne du point de vue du drone. Les courses se sont déroulées sur une piste spécialement conçue à cet effet dans un hangar de l’aéroport de Dübendorf, près de Zurich. Cette piste couvre une surface de 25 x 25 m et se compose de sept portes carrées que les drones doivent franchir dans le bon ordre pour effectuer un tour. Comme l’indique un article publié sur le site Web de l’université de Zurich, coordinatrice du projet AGILEFLIGHT, la course a nécessité des manœuvres difficiles telles que le «Split-S» (retournement), «une acrobatie qui consiste à exécuter un demi-tonneau puis une demi-boucle en descente à pleine vitesse».
Plus rapide, mais moins adaptable
Swift est parvenu à battre les champions humains à plusieurs reprises, et a même réalisé le tour le plus rapide, terminant le parcours une demi-seconde plus vite que le meilleur drone contrôlé par l’homme. Toutefois, les pilotes humains se sont révélés plus à même de s’adapter à des conditions différentes de celles pour lesquelles le système d’IA avait été formé, par exemple s’il y avait trop de lumière dans la pièce. Cela montre que même si l’IA a fait des progrès étonnants dans la navigation dans des environnements physiques, les pilotes humains ont toujours un avantage lorsqu’il s’agit de s’adapter à des conditions variables. Comme le décrit un article publié dans la revue «Nature», ces résultats ont été obtenus grâce à l’apprentissage par renforcement profond, qui a permis à Swift de s’auto-apprendre à voler par essais et erreurs dans un environnement simulé. «Pour s’assurer que les conséquences des actions dans le simulateur étaient aussi proches que possible de celles du monde réel, nous avons conçu une méthode pour optimiser le simulateur avec des données réelles», explique dans cet article l’auteur principal du projet, Elia Kaufmann, rattaché à l’université de Zurich. Comment fonctionne Swift? Le système d’IA utilise les données en temps réel recueillies par la caméra embarquée, ainsi que des mesures telles que l’accélération et la vitesse provenant d’autres capteurs. Ces données sont traitées par un réseau neuronal artificiel afin de localiser le drone dans l’espace et d’identifier les portes à passer le long du parcours. Une unité de contrôle, reposant également sur un réseau neuronal profond, utilise ensuite ces informations pour choisir la meilleure solution pour terminer le circuit le plus rapidement possible. L’auteur principal de l’étude, Davide Scaramuzza, professeur dans la même université, explique pourquoi la vitesse est importante: «Les drones ont une capacité de batterie limitée; ils utilisent la majeure partie de leur énergie pour rester en l’air. Ainsi, en volant plus vite, nous augmentons leur utilité.» Selon les chercheurs, la nouvelle technologie développée avec le soutien d’AGILEFLIGHT (Low-latency Perception and Action for Agile Vision-based Flight) aura plusieurs applications dans le monde réel, notamment pour la surveillance des forêts, l’exploration spatiale et les missions de recherche et de sauvetage, dans le cadre desquelles les drones doivent couvrir de vastes zones en peu de temps. Pour plus d’informations, veuillez consulter: projet AGILEFLIGHT
Mots‑clés
AGILEFLIGHT, drone, IA, course de drones, Swift, apprentissage par renforcement profond, réseau neuronal
