无人机竞速比赛：AI战胜人类选手 | Nature视频

人工智能飞行员在无人机比赛中首次战胜了冠军级人类选手。

在此之前，人类精英选手在赛道上的光反应、快速决策和复杂规划水平，对人工智能都是不可逾越的。但这一称为Swift的新系统结合了模拟训练（使其他AI在棋类或电子游戏中获胜）与机载传感器以及计算，在现实世界中胜过了人类竞争对手。

欢迎点击“阅读原文”免费阅读论文了解更多。

欢迎访问、关注Nature Portfolio视频号，发现更多新鲜有料又有趣的视频

视频文字稿：

这是个无人机比赛。

Thomas Bitmatta（国际开放世界杯两次冠军获得者）：可以把它想象成介于赛车和红牛特技飞行锦标赛之间的那种比赛，这里有个三维的赛道你要争分夺秒，或飞完一定圈数。

灵活的四翼飞行器以惊人的速度在三维赛道上飞行，通过机载摄像头实时传输到驾驶员目镜上的影像来遥控。

Thomas Bitmatta：加速很大，基本是瞬时或半秒内达到最高速。可以从约100公里每小时一直到每小时200公里以上。

驾驶员需经高度训练，有着不可思议的空间知觉，有极强的刹那反应，这对AI是个激动人心的挑战。

大多数深度强化学习的近期进展是在容易模拟的领域取得的，而这一挑战要把一个真正的物理机器人推至极限。

研究者训练参加AI无人机比赛已经有快10年了，但他们还难以接近人类的表现水平。

Elia Kaufmann（此前在苏黎世大学）：无人机需要能理解自己所处的环境，然后理解自己在赛道的哪里，然后你要极擅规划和控制，给马达发出正确指令，让无人机尽可能飞得快。

迄今为止，想接近人类水平，需要使用类似电影制作中的外部动作捕捉系统。这过程与人类驾驶员不能比。

但现在比赛有了新成员，这个名为Swfit的系统不一样，它能与人类世界冠军比肩，只需一个机载摄像和惯性传感器，以及计算。

但它首先需要练习，许多练习。

Swift运行许多模拟，找出最快路径通过赛道标出的每一个门，这花了它大概一个小时。

Elia Kaufmann：换算到飞行员大概是23天的无间断飞行。

但仅有模拟还不够，无人机得在真实世界里飞行，而真实世界里飞的时候有很多要适应的问题。

在无人机上有两个工具告诉它身处何地，一个相机和一个惯性传感器。它们一起估计无人机的速度位置和方向，使用一种称为视觉惯性测程，或称VIO的方法。

仅靠VIO不能精确保持无人机在高速比赛中的航向，因为相机不够快，还有运动模糊等问题会让AI偏离方向。因此Swift还用一个神经网络侦测和追踪门的位置，让无人机更好地理解自己的位置。

但这样还没完，就算有了这些信息。不可预计的环境条件还是可能让无人机偏离，因此Swift会试飞一下，使用前面提到的外部运动追踪系统来试验它的模拟路径，然后Swift可以比较机载系统和外部数据的信息，适应可能的差异，微调其模拟应对难以建模的变量，如空气湍流，或赛道上某处视觉信息丢失。整合到一起，Swift可以和世界上最好的驾驶员比赛。

Thomas Bitmatta：它当然还有一些不一致的问题，通常如果是一个人类驾驶员多少可以利用这些试图占到上风，但它如果能飞到接近完美，而你一开始有一点点落后，那基本上你就全程超不过去了。我真的认为在大多数俱乐部水平比赛中，有这样的系统，它还是能超过大多数人类驾驶员。它飞得可好了。

它可以更快转弯、更稳定、规划速度远快于人类，但它还未臻完美。AI驾驶没有得到从撞击中恢复的训练，而且如果它完成测试圈之后环境有变化就很为难了。

Elia Kaufmann：环境的特定改变，在这里是照明改变。如果我们基于环境条件微调系统与实际部署系统的环境大为不同，机器的稳定性就会大跌。这意味着，经常无法完成回环或会撞到门上。

就算有这些限制，研究团队认为这是首次自主机器人能够达到真实世界竞技运动中世界冠军水平的表现。他们希望这个方法能有更广泛的应用。

Elia Kaufmann：我们可以加速搜寻和援救任务中的无人机，例如加速无人机在建筑里自主侦查。因为说到底无人机的飞行时间有限，如果你要让无人机尽量有用，你基本上就需要它飞快点。以最大化它有限电池时间里发挥的作用。

© nature