ИИ превзошёл людей-чемпионов в гонках FPV-дронов

Инженеры Цюрихского университета (Швейцария) разработали алгоритм искусственного интеллекта Swift, предназначенный для управления дронами. Платформа состязалась с чемпионами мира в этой дисциплине, победила в 15 гонках из 25 и показала лучшее время на трассе, где дроны разгоняются до 80 км/ч и развивают ускорение до 5g — многие люди в таких условиях теряют сознание.

Источник изображения: uzh.ch

Гонки дронов с видом от первого лица (FPV) — это состязание по скоростному пролёту БПЛА по маршруту с воротами, через которые нужно пройти чисто и избежать крушения. Операторы ориентируются по картинке с камеры, установленной на дроне. В ходе испытаний система Swift соревновалась с тремя чемпионами в пилотировании БПЛА: Томасом Битматтой (Thomas Bitmatta), Марвином Шеппером (Marvin Schäpper) и Алексом Вановером (Alex Vanover). Перед основными заездами у них была неделя, чтобы попрактиковаться в прохождении трассы, а Swift AI тренировался в симуляции, где была воссоздана виртуальная копия трассы.

При работе с ИИ использовалось глубокое обучение с подкреплением (deep reinforcement learning) — способ, основанный на методе проб и ошибок: во время тренировки дрон падал несколько сотен раз, но в условиях симуляции это не составило проблем. Во время гонки данные с камеры направлялись в нейросеть, которая помогала обнаружить ворота на трассе. Эта информация дополнялась показаниями датчика инерции, который помогал оценить положение, ориентацию и скорость дрона — совместный поток транслировался в другую нейросеть, а она уже принимала решения и отдавала дрону команды.

Анализ гонок показал, что Swift был всегда быстрее человека на старте и выполнял более крутые повороты, чем операторы-люди. Но непобедимым ИИ не стал — он проиграл 40 % гонок, и БПЛА несколько раз рухнул. Система предположительно оказалась чувствительной к внешним условиям, например, к освещению. Но Swift преимущественно справился с особенностями реального мира: аэродинамической турбулентностью, размытием камеры и перепадам освещённости — всё это способно сбить с толку системы, обученные следовать заранее рассчитанной траектории.

На практике такая навигационная система поможет спасателям искать людей в горящих зданиях и, например, проводить инспекции крупных сооружений, в том числе кораблей. Технологией неизбежно заинтересуются и вооружённые силы.