冠军无人机赛车手被甚至不是人类的飞行员击败

的能力人工智能（AI）系统正在以惊人的速度发展，接近或改善人类在模拟和测试环境中可以做什么。

撇开伦理和环境问题围绕人工智能和自主无人机，我们可以惊叹于这一最新的壮举：人工智能控制的无人机系统在一系列正面交锋中击败了三名专业无人机飞行员，获胜次数更多。

Swift是自主系统的名称，该系统在25场比赛中的15场比赛中击败了世界冠军人类飞行员，赛道上充满了由专业无人机赛车飞行员设计的扫荡转弯和尖叫的枢轴。

这个名称恰当的系统将人工智能学习算法与单个摄像头和机载传感器相结合，可检测无人机的周围环境和运动。

它是由苏黎世大学的机器人工程师Elia Kaufmann和英特尔实验室的研究人员设计的，他们希望设计一个不依赖于外部运动摄像头输入的系统，就像以前的自动赛车无人机一样。

“使用自主无人机达到专业飞行员的水平具有挑战性，因为机器人需要在其物理极限下飞行，同时仅通过机载传感器估计其在电路中的速度和位置，”Kaufmann及其同事写在他们的论文中.

无人机赛车飞行员戴着耳机，通过连接到无人机的摄像头为他们提供“第一人称”视图，该摄像头可以达到每小时 100 公里的速度。

同样，Swift 有一个机载摄像头和一个惯性传感器来测量无人机的加速度和旋转;两个 AI 算法摄取的数据，用于对无人机相对于障碍物路线上的方形门的位置进行三角测量，并相应地生成控制命令。

虽然它输掉了40%的比赛，但斯威夫特多次击败了每个人类飞行员，并记录了最快的比赛时间，比人类最好的时间快了半秒。

“总体而言，在整个赛道上平均，自主无人机实现了最高的平均速度，找到了最短的比赛线，并设法在整个比赛中保持飞机更接近其驱动极限，”Kaufmann及其同事报告.

根据荷兰代尔夫特理工大学机器人研究员Guido de Croon的说法，他写了一篇评论关于这项研究，斯威夫特的“真正的创新”是部署的第二个人工神经网络，它使用深度强化学习。

这意味着网络主要通过训练过程中的反复试验来学习，将其学习的控制应用于动荡的现实世界视觉。

就像人类飞行员在赛道上练习一周一样，斯威夫特接受了赛道模拟训练，深度学习算法探索了通过赛道七个大门的可能路径，以找到越来越快的路线。

优化和映射控制命令后，Swift 可以在几次测试运行中在赛道上比赛时处理视觉输入。

“神经网络学习模拟和现实之间存在的微小差异，以改进模拟并完善系统策略，”de Croon解释.

Swift当然不是第一架穿越物理障碍的无人机，但它以惊人的精度做到这一点。

去年，研究人员发射了一群无人机配备了一个处理系统，使他们能够感知障碍物并在茂密的竹林中导航。

飞机形状的人类控制的无人机也被送入火山监控他们的活动。

在斯威夫特进入条件不可预测的户外竞技场之前，还需要进一步发展，de Croon说.

“鉴于无人机比依赖延迟图像的人类飞行员更快地获取传感信息，[自主]无人机无疑最终也会在这些困难的条件下击败人类，”他补充道。总结.

该研究已发表在自然界.

宝宝起名