أحدث غلاف للطبيعة: الذكاء الاصطناعي يهزم بطل العالم البشري ويسجل الرقم القياسي لأسرع سباقات الطائرات بدون طيار

المؤلف: يان ييمي، المحرر: شيويه يونيو

لقد هزم الذكاء الاصطناعي (AI) مرة أخرى البطل البشري.

هذه المرة، الأمر في عالم سباقات الطائرات بدون طيار.

** قام فريق الدكتور إيليا كوفمان من مجموعة أبحاث الروبوتات والإدراك (مجموعة الروبوتات والإدراك) في جامعة زيورخ وفريقه من شركة إنتل بتصميم نظام قيادة أوتوماتيكي - Swift**، وهو قدرة النظام على الطيران يمكن استخدام طائرة بدون طيار في هزيمة خصم بشري في مباراة بطولة فردية.

تم نشر نتيجة البحث الرائجة هذه كمقالة غلاف في العدد الأخير من مجلة Nature.

صورة | غلاف العدد الأخير من مجلة Nature. (المصدر: الطبيعة)

وفي مقال إخباري وآراء نُشر في نفس الوقت في مجلة Nature، كتب البروفيسور جويدو دي كرون، الباحث في جامعة دلفت للتكنولوجيا في هولندا: "**يعد البحث الذي أجراه كوفمان وآخرون خطوة كبيرة إلى الأمام بالنسبة لعلماء الروبوتات إلى "التغلب على فجوة الواقع. مثال جيد **. على الرغم من تدريب Swift باستخدام مزيج ذكي من تقنيات تعلم الذكاء الاصطناعي والخوارزميات الهندسية التقليدية، إلا أنه يجب تطوير النظام بشكل أكبر في بيئة أكثر واقعية ومتنوعة لإطلاق الإمكانات الكاملة لهذه التكنولوجيا."

ومع ذلك، يقول فريق البحث يمثل البحث علامة فارقة في مجال الروبوتات المتنقلة والذكاء الآلي وقد يلهم نشر الحلول القائمة على التعلم الهجين في الأنظمة المادية الأخرى، مثل المركبات الأرضية المستقلة والمركبات الجوية والروبوتات الشخصية.

تدريب ذكي يدمج الذكاء الاصطناعي والخوارزميات الهندسية

في الوقت الحالي، تجاوزت أنظمة الذكاء الاصطناعي (AI) القائمة على التعلم المعزز العميق الأبطال البشريين في ألعاب مثل ألعاب أتاري، والشطرنج، وستار كرافت، وغران توريزمو. إلا أن هذه الإنجازات كلها حدثت في بيئة افتراضية، وليس في العالم الحقيقي.

يمثل سباق الطائرات بدون طيار تحديًا لكل من الطيارين ذوي الخبرة والذكاء الاصطناعي، ولكنه أكثر صعوبة بالنسبة للذكاء الاصطناعي. لأنه في البيئة الافتراضية، تكون الموارد غير محدودة تقريبًا، بينما الانتقال إلى العالم الحقيقي يعني الاضطرار إلى استخدام موارد محدودة. وينطبق هذا بشكل خاص على الطائرات بدون طيار، حيث يجب حمل أجهزة الاستشعار وأجهزة الحوسبة التي تحل محل الطيارين البشر في الهواء.

بالإضافة إلى ذلك، العالم الحقيقي لا يمكن التنبؤ به أكثر بكثير من العالم الافتراضي. على الرغم من أن طائرات السباق بدون طيار يمكنها السفر بشكل مثالي وفقًا لمسارات مبرمجة مسبقًا، إلا أن أمرًا واحدًا يصدر إلى طائرة بدون طيار قد يكون له تأثيرات متعددة، ويصعب التنبؤ بالتأثير، وهو أمر معقد بشكل خاص بالنسبة للطائرات بدون طيار المدربة من خلال الذكاء الاصطناعي.

تصعب أساليب التعلم التقليدية الشاملة نقل رسم خرائط البيئة الافتراضية إلى العالم الحقيقي، وهناك فجوة واقعية بين الواقع الافتراضي والواقع، وتشكل فجوة الواقع أحد التحديات الرئيسية في مجال الروبوتات.

وفي الدراسة، حقق نظام Swift تدريبًا ذكيًا من خلال دمج تقنيات تعلم الذكاء الاصطناعي مع الخوارزميات الهندسية التقليدية. أولاً، يقوم النظام بمعالجة الصور التي تلتقطها الطائرة بدون طيار من الكاميرا من خلال شبكة عصبية اصطناعية لاكتشاف زوايا الباب بدقة. ثم يتم استخدام برنامج الرؤية الثنائية لحساب سرعة الطائرة بدون طيار.

يكمن ابتكار نظام Swift في شبكة عصبية اصطناعية أخرى، تقوم بتعيين حالة الطائرة بدون طيار لأوامر لضبط معدل الدفع والدوران. باستخدام التعلم المعزز، يتم تحسين المكافآت التي يتم الحصول عليها من البيئة من خلال عملية التجربة والخطأ في المحاكاة. في هذه الخوارزمية، يستخدم النظام التعلم المعزز بدلاً من التعلم الشامل، مما يسمح له بسد الفجوة بين الواقع والمحاكاة من خلال المفاهيم المجردة.

نظرًا لأن مستوى تجريد تشفير الحالة أعلى من مستوى الصورة الأصلية، فإن محاكيات التعلم المعزز لم تعد تتطلب بيئات بصرية معقدة. يؤدي هذا التحسين إلى تقليل التباين بين الأنظمة المحاكية والأنظمة الحقيقية وتسريع عملية المحاكاة، مما يتيح للنظام التعلم في حوالي 50 دقيقة.

وفقًا للورقة البحثية، يتكون Swift من وحدتين رئيسيتين: سياسة المراقبة وسياسة التحكم. من بينها، تتكون سياسة المراقبة من مقدر بصري بالقصور الذاتي وكاشف بوابة، يمكنه تحويل المعلومات المرئية والقصور الذاتي عالية الأبعاد إلى ترميز منخفض الأبعاد خاص بمهمة محددة؛ ويتم تمثيل سياسة التحكم بواسطة إدراك ثنائي الطبقة، والذي يمكنه قبول التشفير منخفض الأبعاد، وتحويله إلى أوامر الطائرات بدون طيار.

تجاوز سرعة وأداء الطيارين البشر

تم تصميم مسار هذه المسابقة بواسطة طيار خارجي من الطراز العالمي FPV (منظور الشخص الأول). يتكون المسار من سبع بوابات مربعة، مرتبة على مساحة 30 × 30 × 8 أمتار، لتشكل دائرة بطول 75 مترًا.

بالإضافة إلى ذلك، يتميز المسار بمناورات مميزة ومليئة بالتحديات، بما في ذلك Split-S والمزيد. حتى في حالة حدوث تصادم، لا يزال بإمكان الطيار الاستمرار في السباق طالما أن الطائرة يمكنها الاستمرار في الطيران. إذا حدث تصادم ولم تكمل أي طائرة بدون طيار مسارها، فستفوز الطائرة بدون طيار البعيدة.

تنافست Swift ضد أمثال Alex Vanover (بطل العالم في Drone Racing League لعام 2019)، وThomas Bitmatta (بطل MultiGP لعام 2019)، وMarvin Schaepper (بطل سويسرا 3X).

من بينها، فاز Swift بـ 5 من أصل 9 معارك مع A. Vanover، و 4 من أصل 7 معارك مع T. Bitmatta، و 6 من أصل 9 معارك مع M. Schaepper.

بالإضافة إلى ذلك، خسرت سويفت إجمالي 10 مرات، 40% بسبب الاصطدام بالمعارضين، و40% بسبب الاصطدام بالأبواب، و20% بسبب الطيران بشكل أبطأ من الطيارين البشر.

**بشكل عام، فازت سويفت بمعظم السباقات ضد كل طيار بشري. بالإضافة إلى ذلك، سجل سويفت الرقم القياسي لأسرع وقت في السباق، متغلبًا على أفضل وقت حققه الطيار البشري أ. فانوفر بنصف ثانية. **

يمكن أن نرى من تحليل البيانات أن سويفت أسرع من جميع الطيارين البشر بشكل عام، خاصة في الأجزاء المهمة مثل الإقلاع والمنعطفات الطارئة. وقت رد فعل الإقلاع لطائرة سويفت أقصر، في المتوسط 120 مللي ثانية أبكر من الطيار البشري. كما أن Swift تتسارع بشكل أكبر، حيث تصل إلى سرعات أعلى عند البوابة الأولى.

علاوة على ذلك، يُظهر Swift مناورات أكثر إحكامًا أثناء المنعطفات الحادة، ربما لأنه يحسن المسارات على فترات زمنية أطول. في المقابل، يفضل الطيارون البشريون التخطيط للمناورات على فترات زمنية أقصر، مع الأخذ في الاعتبار موقع بوابة واحدة على الأكثر في المستقبل.

بالإضافة إلى ذلك، حققت **Swift أعلى متوسط سرعة على المسار العام، ووجدت أقصر خط سباق، وتمكنت من إبقاء السيارة تحلق بالقرب من الحد الأقصى. **في التجارب الزمنية التي قارنت Swift بالأبطال من البشر، أظهرت الطائرات بدون طيار أوقات دورات أكثر اتساقًا مع متوسط وتباين أقل، في حين كان أداء الطيار البشري أكثر فردية مع المتوسط والتباين أعلى.

ويظهر التحليل الشامل أن الطائرة بدون طيار "Swift" ذاتية القيادة أثبتت أداءً ممتازًا في المنافسة، ليس من حيث السرعة فحسب، بل تتمتع أيضًا بخصائص فريدة في استراتيجية الطيران، مما يمكنها من الحفاظ على مستوى عالٍ من الأداء طوال المنافسة.

ليس فقط سباقات الطائرات بدون طيار

تستكشف هذه الدراسة سباقات الطائرات بدون طيار المستقلة بناءً على مدخلات حسية صاخبة وغير مكتملة من البيئة المادية، مما يدل على أن النظام المادي المستقل يحقق أداء على مستوى البطولة في السباق، ويتجاوز أحيانًا أبطال العالم من البشر، ويسلط الضوء على أهمية تحقيق الروبوتات لأداء بطولة العالم في رياضة شعبية الرياضة، محققة إنجازًا كبيرًا في مجال الروبوتات والذكاء.

ومع ذلك، لم يتم تدريب النظام قيد الدراسة على التعافي بعد الاصطدام مقارنةً بالطيارين البشريين. وهذا يحد من قدرة النظام على مواصلة الطيران بعد الاصطدام، بينما يمكن للطيارين البشريين مواصلة السباق مع الأجهزة التالفة.

بالإضافة إلى ذلك، بالمقارنة مع الطيارين البشر، فإن نظام Swift أقل قدرة على التكيف مع التغيرات البيئية ويستخدم معدل تحديث أقل للكاميرا. وعلى الرغم من أن هذه الطريقة تؤدي أداءً جيدًا في سباقات الطائرات بدون طيار ذاتية التحكم، إلا أنها غير عملية في حقائق أخرى. لم يتم استكشاف التعميم عبر الأنظمة والبيئات بشكل كامل.

من الواضح أن إنجازات كوفمان وفريقه لا تقتصر على مجال سباقات الطائرات بدون طيار، وقد تجد هذه التقنية استخدامًا في التطبيقات العسكرية. علاوة على ذلك، يمكن لتقنيتهم أن تجعل الطائرات بدون طيار أكثر سلاسة وسرعة وأطول مدى، مما يساعد الروبوتات على استخدام الموارد المحدودة بشكل أكثر فعالية في مجالات مثل القيادة والتنظيف والتفتيش.

ولكن لتحقيق هذه الأهداف، لا يزال فريق البحث بحاجة إلى حل العديد من التحديات. وكما يقول كرون في مقالته المراجعة، "من أجل التغلب على طيار بشري في أي بيئة سباق، يجب أن يكون النظام قادرًا على التعامل مع الاضطرابات الخارجية مثل الرياح، وظروف الإضاءة المتغيرة، والبوابات سيئة التحديد، والاضطرابات البشرية والآلات وغيرها الكثير. عوامل اخرى."

رابط الورق