Sztuczna inteligencja po mistrzowsku lata dronem
Naukowcy dzięki wsparciu projektu AGILEFLIGHT finansowanego przez UE opracowali pierwszy autonomiczny system zdolny do pokonania ludzkich pilotów w wyścigach dronów. System sztucznej inteligencji nazwany Swift nie mierzył się ze zwykłymi ludzkimi rywalami, ale trzema światowej klasy pilotami: Alexem Vanoverem, mistrzem Drone Racing League z 2019 r., Thomasem Bitmattym, mistrzem MultiGP Drone Racing z 2019 r. oraz Marvinem Schaepperem, trzykrotnym mistrzem Szwajcarii. W wyścigach, które odbyły się w dniach 5–13 czerwca 2022 r., Swift wielokrotnie wygrywał z trzema mistrzami w sporcie znanym jako wyścigi dronów z widokiem z perspektywy pierwszej osoby (FPV). Wszyscy zawodnicy musieli pilotować swoje szybkie drony po torze przeszkód z prędkością przekraczającą 100 km na godzinę. Drony były sterowane zdalnie za pomocą zestawów gogli połączonych z kamerą pokładową, która zapewniała pilotom widok z perspektywy pierwszej osoby. Wyścigi odbywały się na specjalnie zaprojektowanym torze w hangarze na lotnisku Dübendorf w pobliżu Zurychu. Obejmował on obszar o wymiarach 25 x 25 m i składał się z siedmiu kwadratowych bramek, które drony musiały pokonać w odpowiedniej kolejności, aby ukończyć okrążenie. Jak podano w aktualnościach na stronie koordynatora projektu AGILEFLIGHT, Uniwersytetu w Zurychu, wyścig wymagał trudnych manewrów, takich jak wywrót (ang. Split-S), który jest „akrobatyczną figurą, która obejmuje wykonanie półbeczki, tj. odwrócenie samolotu na plecy i wprowadzeniu go półpętlą z pełną prędkością w dół do lotu normalnego".
Szybszy, ale o mniejszych zdolnościach adaptacji
System Swift zdołał kilkakrotnie pokonać ludzkich mistrzów, a nawet osiągnął najszybsze okrążenie, pokonując trasę o pół sekundy szybciej niż najlepsze okrążenie drona sterowanego przez człowieka. Jednak ludzcy piloci byli w stanie lepiej dostosowywać się do warunków, które różniły się od tych, do których system AI został przeszkolony, na przykład, gdy w pomieszczeniu było zbyt dużo światła. Pokazuje to, że chociaż sztuczna inteligencja poczyniła niesamowite postępy w nawigowaniu w środowisku fizycznym, ludzcy piloci nadal mają przewagę, jeśli chodzi o dostosowywanie się do zmiennych warunków. Jak opisano w artykule opublikowanym w czasopiśmie „Nature”, wyniki te zostały osiągnięte przy użyciu głębokiego uczenia przez wzmacnianie, dzięki któremu system Swift nauczył się latać metodą prób i błędów w symulowanym środowisku. „Aby upewnić się, że konsekwencje działań w symulatorze były jak najbardziej zbliżone do tych w świecie rzeczywistym, opracowaliśmy metodę optymalizacji symulatora za pomocą rzeczywistych danych" — wyjaśnia w wiadomości główny autor, dr Elia Kaufmann z Uniwersytetu w Zurychu. Jak więc działa Swift? System sztucznej inteligencji wykorzystuje dane zbierane w czasie rzeczywistym przez kamerę pokładową, a także pomiary takich wartości jak przyspieszenie i prędkość z innych czujników. Dane te są przetwarzane przy użyciu sztucznej sieci neuronowej w celu zlokalizowania drona w przestrzeni i rozpoznania bramek wyścigowych wzdłuż trasy. Jednostka sterująca, również oparta na głębokiej sieci neuronowej, wykorzystuje następnie te informacje, aby wybrać najlepszy sposób na jak najszybsze ukończenie okrążenia. Profesor Davide Scaramuzza, starszy autor badania z tego samego uniwersytetu, wyjaśnia, dlaczego szybkość jest ważna: „Drony mają ograniczoną pojemność akumulatorów, a większość energii wykorzystują, aby utrzymać się w powietrzu. Dlatego latając szybciej, zwiększamy ich użyteczność". Nowa technologia opracowana przy wsparciu projektu AGILEFLIGHT (skrót od ang. Low Latency Perception and Action for Agile Vision-based Flight) ma według naukowców kilka rzeczywistych zastosowań. Obejmują one monitorowanie lasów, eksplorację kosmosu oraz misje poszukiwawczo-ratownicze, w których drony muszą patrolować duże obszary w krótkim czasie. Więcej informacji: projekt AGILEFLIGHT
Słowa kluczowe
AGILEFLIGHT, dron, AI, wyścigi dronów, Swift, głębokie uczenie przez wzmacnianie, sieć neuronowa
