網路議題

挑戰接受:高速 AI 無人機超越世界冠軍無人機賽車手

挑戰接受:高速 AI 無人機超越世界冠軍的無人機競速引言回憶起 1996 年 IBM 的深藍戰勝了葛爾‧卡斯帕羅夫(Gary Kasparov)以及 2016 年 Google 的 AlphaGo 戰勝了圍棋冠軍李世乭(Lee Sedol),這些 AI 在人類冠軍面前的勝利是人工智慧歷史上的重要裏程 .... (往下繼續閱讀)

分享到 Facebook 分享到 Line 分享到 Twitter

文章目錄

挑戰接受:高速 AI 無人機超越世界冠軍無人機賽車手

挑戰接受:高速 AI 無人機超越世界冠軍無人機競速

引言

回憶起 1996 年 IBM 的深藍戰勝了葛爾‧卡斯帕羅夫(Gary Kasparov)以及 2016 年 Google 的 AlphaGo 戰勝了圍棋冠軍李世乭(Lee Sedol),這些 AI 在人類冠軍面前的勝利是人工智慧歷史上的重要裏程碑。現在蘇黎世大學和英特爾的研究人員又創造了一個新的裏程碑,他們開發出了第一個能夠在體育專案中擊敗人類冠軍的自主系統:無人機競速。這項使用 AI 系統的研究成果已經成功在第一視角(First-Person View,FPV)的無人機競速中多次擊敗了三位世界級冠軍。

AI 技術與競速

無人機競速是一項讓飛行員遙控無人機以超過每小時 100 公裏的速度飛行的運動,而研究人員成功地開發了一個名為 Swift 的 AI 系統,在這一項運動中擊敗了人類冠軍。Swift 系統透過無線鏡頭紀錄飛行的資料,利用內建的慣性測量單元測量加速度和速度,同時使用人工神經網路根據相機資料定位無人機並檢測賽道上的門檻。這些資料會被傳送到控制單元,這個控制單元也是基於深度神經網路,用於選擇最佳的行動以盡快完成賽道。

最佳化的模擬環境學習

Swift 在一個模擬環境中進行了自主學習,透過一種稱為增強學習的機器學習方法,透過試錯法訓練自己飛行。這項研究充分利用了模擬環境的優勢,避免了在學習初期多次摧毀無人機的問題。研究人員設計了一種方法,將真實資料最佳化應用到模擬器中,以確保模擬器中的行為盡量接近實際世界。模擬器中的無人機透過外部位置跟蹤系統提供的精確位置飛行,同時還記錄來自相機的資料。這樣,無人機可以自我糾正從機上感測器獲取的資料的錯誤。

比賽結果與討論

在 Swift 訓練了僅相當於桌面電腦上一小時的模擬飛行時間後,它準備好挑戰人類競爭者:2019 年無人機競速聯賽冠軍 Alex Vanover、2019 年 MultiGP 無人機競速冠軍 Thomas Bitmatta 和三次瑞士冠軍 Marvin Schaepper。比賽於 2022 年 6 月 5 日至 13 日期間在蘇黎世附近杜本多夫機場(Dübendorf Airport)的一個專門建造的賽道上進行。該賽道覆蓋了一個面積為 25x25 米的區域,有七個要按照正確線序透過的門檻,其中包括一些挑戰性動作,如"Split-S",這個特技動作包括無人機半翻轉並以全速執行下降半環圈。整體而言,Swift 取得了最快的單圈成績,比最快的人類飛行員快了半秒。 然而相較於自主無人機,人類飛行員在適應變化條件方面更出色。當與訓練時的條件不同(例如,環境光線過強)時,自主無人機無法常規執行。蘇黎世大學機器人和感知小組的負責人 Davide Scaramuzza 指出,推動自主飛行技術的發展對於無人機競速以外的領域也具有重要意義。以森林監測或太空探索為例,快速飛行對於在有限時間內覆蓋大範圍非常重要。在電影行業中,高速自主無人機可用於拍攝動作場景。而在救援行動中,能夠以高速飛行的無人機進入火災中的建築物內部可能會有重大影響。

結論與建議

這項研究成果為無人機競速領域帶來了重要的突破,展示出 AI 在實際體育專案中擊敗人類冠軍的潛力。這將激發更多的研究和創新,並為未來的應用領域提供了廣闊的前景。然而當前的研究還顯示出 AI 無人機在適應變化條件方面存在局限性。因此我們需要繼續研究和發展,以提高無人機在不同環境中的自主性和適應能力。 對於無人機競速愛好者和專業飛行員,這項研究的結果提供了一個新的挑戰。面對 AI 無人機的競爭,如何保持自己的技術優勢是一個重要的課題。我們建議飛行員們繼續強化技術訓練,提高自己的反應速度和適應能力。此外理解 AI 技術的發展趨勢並持續更新自己的知識也是很重要的。結合 AI 技術和人類的優勢,將是未來無人機競速領域的一個重要方向。 這次研究的成功也提醒我們,人工智慧技術對於改變我們日常生活和各個領域的潛力巨大。然而我們也應該正視 AI 技術的局限性和風險。在發展和應用 AI 技術的同時我們需要建立相應的法律和倫理規範,確保 AI 技術的發展符合人類價值觀和社會的利益。

參考文獻:

Elia Kaufmann, Champion-Level drone racing using deep reinforcement learning, Nature (2023). DOI: 10.1038/s41586-023-06419-4. www.nature.com/articles/s41586-023-06419-4
Race-無人機競速,AI 技術,高速無人機,世界冠軍,挑戰接受
程宇肖

程宇肖

Reporter

大家好!我是程宇肖,我對於科技的發展和應用有著濃厚的興趣,並致力於將最新的科技趨勢和創新帶給大家。科技領域的變化速度驚人,每天都有令人興奮的新發現和突破。作為一名部落格作者,我將帶領大家深入探索科技的奧秘和應用的無限可能。