AI战胜了人类世界冠军，创下最快无人机竞速记录
人工智能（AI）再次战胜了人类冠军。这一次，是在无人机竞速领域。 来自苏黎世大学机器人与感知研究组（Robotics and Perception Group）的 Elia Kaufmann 博士团队及其英特尔团队联合设计了一种自动驾驶系统——Swift，该系统驾驶无人机的能力可在一对一冠军赛中战胜人类对手。这一重磅研究成果，刚刚以封面文章的形式发表在了最新一期的 Nature 杂志上。https://img-s-msn-com.akamaized.net/tenant/amp/entityid/AA1g0jR1.img?w=768&h=1024&m=6Nature最新封面：AI战胜了人类世界冠军，创下最快无人机竞速记录© 由 ZAKER科技 提供
图｜最新一期 Nature 封面。（来源：Nature）在一篇同期发表在 Nature 上的新闻与观点文章中，荷兰代尔夫特理工大学的研究院 Guido de Croon 教授写道，“Kaufmann 等人的研究是机器人学家克服现实差距的一个很好的案例。尽管 Swift 使用 AI 学习技术和传统工程算法的巧妙组合进行训练，但该系统应该在一个更真实多变的环境中进一步开发，从而充分释放这项技术的潜力。”尽管如此，研究团队表示，该研究标志着移动机器人学和机器智能的一个里程碑，或可启发在其他物理系统中部署基于混合学习的解决方案，如自动驾驶的地面车辆、飞行器和个人机器人。融合 AI 与工程算法的智能训练当前，基于深度强化学习的人工智能（AI）系统在雅达利（Atari）游戏、国际象棋、《星际争霸》和 GT 赛车（Gran Turismo）等游戏中已经超越了人类冠军。然而，这些成就全部发生在虚拟环境中，而非真实世界中。无人机竞速对经验飞行员和 AI 都具挑战，但 AI 而言，更具挑战性。因为在虚拟环境中，资源几乎是无限的，而转向现实世界意味着必须使用有限的资源。对于无人机来说，情况尤为如此，因为取代人类飞行员的传感器和计算设备必须被搭载到空中。
https://img-s-msn-com.akamaized.net/tenant/amp/entityid/AA1g0hku.img?w=768&h=508&m=6Nature最新封面：AI战胜了人类世界冠军，创下最快无人机竞速记录© 由 ZAKER科技 提供
另外，现实世界比虚拟世界更加不可预测。虽然模拟的比赛无人机可以按照预先编程的轨迹完美地行驶，但对一个无人机发出的单一指令可能产生多种效果，影响难以预测，对于通过 AI 训练的无人机尤为复杂。传统的端到端学习方法难以将虚拟环境的映射转移到现实世界，虚拟和现实两者之间存在着现实差距，而现实差距构成了机器人领域中主要的挑战之一。在该研究中，Swift 系统通过将 AI 学习技术与传统工程算法融合，实现了智能训练。首先，该系统通过人工神经网络处理无人机从相机中获取的图像，从而精准地检测到门的角落。然后，利用双目视觉软件用来计算无人机的速度。
https://img-s-msn-com.akamaized.net/tenant/amp/entityid/AA1g0hkz.img?w=640&h=360&m=6Nature最新封面：AI战胜了人类世界冠军，创下最快无人机竞速记录© 由 ZAKER科技 提供
Swift 系统的创新之处在于另一个人工神经网络，将无人机的状态映射到调整推力和旋转速率的命令。利用强化学习，通过模拟中的试错过程来优化从环境中获得的奖励。在这个算法中，该系统采用了强化学习，而非端到端学习，从而可以通过抽象概念来弥合现实与模拟之间的差距。由于状态编码的抽象层次高于原始图像，强化学习模拟器不再需要复杂的视觉环境。这一优化减少了模拟系统与真实系统之间的差异，提升了模拟速度，使得系统能够在大约 50 分钟内完成学习。
https://img-s-msn-com.akamaized.net/tenant/amp/entityid/AA1g0jRg.img?w=768&h=434&m=6Nature最新封面：AI战胜了人类世界冠军，创下最快无人机竞速记录© 由 ZAKER科技 提供
据论文描述，Swift 由两个关键模块组成：observation policy 和 control policy。 其中，observation policy 由一个视觉惯性估计器和一个门检测器组成，可以将高维视觉和惯性信息转化为任务特定的低维编码; control policy 由一个两层感知器表示，可以接受低维编码，并将其转化为无人机指令。
现在的科技实在是太厉害了 未来人类发明的成果统御人类 总会该有一天AI统治了人类的所有赛事吧{:6_217:}
頁:
[1]