高速AI无人机超越世界冠军无人机赛车手

经过人工智能训练的自主无人机（蓝色）总体上跑得最快，比人类飞行员的最 佳时间提前半秒

还记得1996年IBM的Deep Blue在国际象棋比赛中战胜Gary Kasparov吗?还记得2016年谷歌的AlphaGo在复杂得多的围棋比赛中击败顶级冠军Lee Sedol吗?这些机器战胜人类冠军的比赛是人工智能历史上的重要里程碑。现在，来自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，他们创造了第一个能够在一项体育运动中击败人类冠军的自主系统:无人机比赛。

这款名为Swift的人工智能系统曾多次在第一人称视角(FPV)无人机比赛中击败三名世界级冠军。在FPV比赛中，飞行员佩戴与机载摄像头相连的耳机，远程控制四轴飞行器，以超过100公里/小时的速度飞行。

通过与物理世界的互动来学习

“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电子游戏更难以预测。我们并不完全了解无人机和环境模型，所以人工智能需要通过与物理世界的互动来学习它们，”苏黎世大学机器人和感知小组负责人、新上任的无人机赛车队队长Davide Scaramuzza说。

直到最近，无人驾驶飞机在跑道上飞行的时间是人类驾驶飞机的两倍，除非它们依靠外部位置跟踪系统来精确控制它们的轨迹。然而，Swift会对机载摄像头收集的数据做出实时反应，就像人类赛车运动员使用的摄像头一样。它的集成惯性测量单元测量加速度和速度，而人工神经网络使用来自摄像头的数据来定位无人机在太空中的位置，并检测跑道上的门。这些信息被馈送到控制单元，该控制单元也是基于深度神经网络，选择最 佳动作以尽可能快地完成电路。

Swift是在一个模拟环境中训练的，在这个环境中，系统根据试错原则自学飞行

在优化的模拟环境中进行培训

Swift是在一个模拟环境中接受训练的，它通过反复试验来自学飞行，使用的是一种被称为强化学习的机器学习。模拟的使用有助于避免在系统经常崩溃的早期学习阶段破坏多架无人机。该论文的作者Elia Kaufmann说:“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，我们设计了一种方法，用真实数据优化模拟器。”

在这个阶段，由于外部位置跟踪系统提供了非常精确的位置，无人机可以自主飞行，同时还可以记录摄像头的数据。通过这种方式，它学会了自动纠正它在解读机载传感器数据时所犯的错误。

人类飞行员仍能更好地适应不断变化的环境

经过一个月的模拟飞行时间，Swift准备好挑战它的人类竞争对手:2019年无人机竞赛联盟冠军Alex Vanover, 2019年MultiGP无人机竞赛冠军Thomas Bitmatta，以及三次瑞士冠军Marvin Schaepper。

跑道的面积为25 * 25米，有7个方形的门，必须按正确的顺序通过，才能完成一圈，包括具有挑战性的动作，包括半滚动无人机和全速执行半圈下降的杂技功能。

总的来说，Swift取得了最快的单圈成绩，比人类驾驶员的最 佳单圈成绩领先半秒。另一方面，事实证明，人类飞行员比自主无人机适应性更强，后者在与训练条件不同的情况下(例如，房间里光线太强)会失败。

Scaramuzza指出，超越无人机竞赛，推动自主飞行的发展非常重要。“无人机的电池容量有限;它们需要大部分的能量来保持在空中。因此，通过更快的飞行，我们增加了它们的效用。”

例如，在森林监测或空间探索等应用中，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，快速自主无人机可用于拍摄动作场景。高速飞行的能力对于被派往着火建筑的救援无人机来说可能会产生巨大的影响。