<pre id="sefc4"><label id="sefc4"><menu id="sefc4"></menu></label></pre><td id="sefc4"></td>
  • <p id="sefc4"></p>
    <track id="sefc4"><ruby id="sefc4"><menu id="sefc4"></menu></ruby></track>
    <track id="sefc4"></track>
          <pre id="sefc4"></pre>
        1. 戰勝人類冠軍!AI在無人機競速的超越,意味著什么?

          科普中國
          公眾科普,科學傳播。
          收藏

          無人機首次成功在一對一冠軍賽中戰勝人類對手,而無人機背后是一個名為Swift的人工智能系統,《Nature》期刊的封面上的也在當期封面刊登了相關論文。

          AI如何成為游戲高手?

          國際象棋、星際爭霸(StarCraft)、Dota2和GT賽車這些游戲,如果你與電腦對戰,那些電腦虛擬玩家是如何來完成一系列操作的?

          或許你沒有聽說過深度強化學習(Reinforcement Learning,RL)系統,但你一定聽說過或接觸過或許你沒有聽說過深度強化學習(Reinforcement Learning,RL)系統,因為這些電腦虛擬玩家就是運用了這一技術。

          在模擬和棋盤游戲環境中,AI可以輕松勝過人類,但在物理世界的競賽,AI的決策和操作則面臨諸多困難。

          第一人稱視角 (FPV) 無人機競賽是專業選手在 3D 賽道上駕駛高速飛行的無人機,駕駛員可以通過機載攝像頭傳輸的畫面從無人機的角度觀察環境,從而完成加減速、轉彎等操作,讓無人機穿越賽道中的障礙。

          圖片

          Swift (藍色)和人類(紅色)交鋒,七個方形門,每圈必須依次通過,圖片來源:參考文獻

          自動駕駛無人機要達到職業飛行員的水準很難,因為機器人需要在其物理限制下飛行,同時只能根據機載傳感器估算其速度和方位。

          傳統的無人機競速方法包括軌跡規劃和模型預測控制(model predictive control,MPC),但這種方法只能在理想條件下實施,一旦受到任何干擾,整個系統就會崩潰。

          圖片

          圖片來源:piqsels

          而Swift系統克服了這個困難。Swift系統由兩個關鍵模塊組成:

          一是感知系統,將高維視覺(即空間立體視覺)和慣性信息轉換為低維編碼;

          二是控制系統,攝取感知系統產生的低維編碼并產生控制命令。將這兩個系統結合起來,便可以基于物理環境的細微變化進行實時決策調整。

          當然,先進的感知系統和控制系統還不足以對抗人類冠軍駕駛員。

          Swift系統比人類強在哪兒?

          Swift系統比人類駕駛員具有一定的結構優勢。

          圖片

          Swift系統,圖片來源:參考文獻

          首先,它能利用來自機載慣性測量單元的慣性數據。

          這類似于人類的前庭系統,人類駕駛員在比賽中無法使用該系統,因為他們實際上并不在飛機上,并且感覺不到作用在飛機上的加速度。

          其次,Swift系統受益于較低的感覺運動延遲(Swift為40毫秒,而人類專家的平均延遲為220毫秒)。

          FPV比賽使用的是四軸飛行器,它是有史以來最敏捷的機器之一。在比賽中,飛行器會施加超過自身重量五倍或更多的力量,即使在有限的空間內,速度也能超過100公里/小時,加速度是重力的幾倍。因此,較低的延遲有助于讓飛行器的行動更靈活。

          在實際比賽流程中,人類飛行員在賽道上進行了為期一周的練習。之后,由Swift和人類控制的無人機需要在場地賽道中以正確的順序穿過每一道門。Swift在與三位人類冠軍正面交鋒的比賽中均獲勝,甚至創造了最快完成比賽的記錄。

          圖片

          圖片來源:piqsels

          在AI控制的無人機戰勝人類之后,自主移動機器人仍然有很多可以提升的方向。

          例如人類控制無人機時,即使發生了碰撞,只要硬件仍然正常工作,人類仍然可以控制無人機繼續飛行并完成這段賽道,但Swift沒有接受過碰撞后恢復的訓練。

          即便存在諸多限制,但該研究成果已經成為移動機器人技術和機器智能的一個里程碑,它將助力自動駕駛的地面車輛、飛行器和個人機器人的快速發展。

          參考文獻

          原論文:Kaufmann, E., Bauersfeld, L., Loquercio, A. et al. Champion-level drone racing using deep reinforcement learning. Nature 620, 982–987 (2023). https://doi.org/10.1038/s41586-023-06419-4

          策劃制作

          來源丨科協之聲

          作者丨SamKakeru 科普作者

          責編丨楊雅萍 金禹奮

          圖片

          評論
          無限探索者
          大學士級
          Swift系統的成功,標志著人工智能技術在無人機駕駛領域的突破,引發了對AI技術應用前景的關注。隨著科技的不斷進步,人工智能將在各個領域發揮更重要的作用。
          2023-10-17
          追夢人C·hui
          太師級
          AI技術的發展,是科技的一場變革,將助力自動駕駛的地面車輛、飛行器和個人機器人的快速發展。
          2023-10-17
          張有元
          學士級
          智能科技的進-一步改進將助力自動駕駛的地面車輛、飛行器和個人機器人的快速發展。
          2023-10-17
          韩国女主播裸奶头大尺度,久久久精彩视频,欧美99综合网,国产一级二级三级视频
          <pre id="sefc4"><label id="sefc4"><menu id="sefc4"></menu></label></pre><td id="sefc4"></td>
        2. <p id="sefc4"></p>
          <track id="sefc4"><ruby id="sefc4"><menu id="sefc4"></menu></ruby></track>
          <track id="sefc4"></track>
                <pre id="sefc4"></pre>