Nature'ın son kapağı: Yapay zeka, insan dünya şampiyonunu mağlup etti ve en hızlı drone yarışı rekorunu kırdı

Yazar: Yan Yimi, Editör: Academic Jun

Yapay zeka (AI) bir kez daha insan şampiyonunu mağlup etti.

Bu sefer konu drone yarışları alanında.

Zürih Üniversitesi Robotik ve Algılama Grubundan Dr. Elia Kaufmann'ın ekibi ve Intel ekibi, insansız hava araçlarını tek seferde uçurma yeteneğine sahip otonom bir sürüş sistemi Swift'i ortaklaşa tasarladılar. İnsan rakibini tek seferde mağlup edin. bire bir şampiyonluk maçı.

Bu önemli araştırma sonucu yakın zamanda Nature dergisinin son sayısında kapak makalesi olarak yayımlandı.

Resim | Nature dergisinin son sayısının kapağı. (Kaynak: Doğa)

Hollanda'daki Delft Teknoloji Üniversitesi'nden araştırmacı Profesör Guido de Croon, aynı zamanda Nature dergisinde yayınlanan bir haber ve görüş makalesinde şunları yazdı: "Kaufmann ve arkadaşlarının araştırması, robotikçiler için ileri doğru atılmış büyük bir adımdır. gerçeklik boşluğunu aşın. İyi bir örnek. Swift, yapay zeka öğrenme teknikleri ile geleneksel mühendislik algoritmalarının akıllı bir kombinasyonu kullanılarak eğitilmiş olsa da, bu teknolojinin tüm potansiyelini ortaya çıkarmak için sistemin daha gerçekçi ve çeşitli bir ortamda daha da geliştirilmesi gerekiyor."

Bununla birlikte araştırma ekibi, bu araştırmanın mobil robotik ve makine zekasında bir dönüm noktasına işaret ettiğini ve hibrit öğrenme tabanlı çözümlerin otonom kara araçları, uçaklar ve Kişisel robot gibi diğer fiziksel sistemlerde kullanılmasına ilham verebileceğini belirtti.

Yapay zeka ve mühendislik algoritmalarını entegre eden akıllı eğitim

Şu anda, derin takviyeli öğrenmeye dayalı yapay zeka (AI) sistemleri, Atari oyunları, satranç, StarCraft ve Gran Turismo gibi oyunlarda insan şampiyonlarından daha iyi performans gösterdi. Ancak bu başarıların hepsi gerçek dünyada değil, sanal ortamda gerçekleşti.

Drone yarışları hem deneyimli pilotlar hem de yapay zeka için zorludur ancak yapay zeka için daha da zordur. Çünkü sanal ortamda kaynaklar neredeyse sınırsızdır; gerçek dünyaya geçmek ise sınırlı kaynak kullanmak anlamına gelir. Bu, özellikle insan pilotların yerini alan sensörlerin ve bilgi işlem cihazlarının havaya taşınması gereken drone'lar için geçerli.

Ayrıca gerçek dünya, sanal dünyaya göre daha öngörülemezdir. Simüle edilmiş yarış drone'ları önceden programlanmış yörüngeleri mükemmel bir şekilde takip edebilirken, bir drone'a verilen tek bir komut, özellikle yapay zeka ile eğitilmiş drone'lar için karmaşık, öngörülemeyen birden fazla etkiye sahip olabilir.

Geleneksel uçtan uca öğrenme yöntemlerinin sanal ortamın haritalanmasını gerçek dünyaya aktarması zordur. Sanal ile gerçeklik arasında gerçeklik farkı vardır ve gerçeklik açığı alandaki temel zorluklardan birini oluşturmaktadır. robotik.

Bu çalışmada Swift sistemi, yapay zeka öğrenme teknolojisini geleneksel mühendislik algoritmalarıyla entegre ederek akıllı eğitim elde etti. Sistem ilk olarak drone'un kameradan aldığı görüntüleri yapay sinir ağı üzerinden işleyerek kapının köşelerini doğru bir şekilde tespit ediyor. Daha sonra dronun hızını hesaplamak için binoküler görüş yazılımı kullanılıyor.

Swift sisteminin yeniliği, drone'nun durumunu itme ve dönüş hızını ayarlama komutlarıyla eşleyen başka bir yapay sinir ağında yatmaktadır. Takviyeli öğrenme kullanılarak ortamdan elde edilen ödüller, simülasyondaki deneme yanılma süreci yoluyla optimize edilir. Bu algoritmada sistem, uçtan uca öğrenme yerine takviyeli öğrenmeyi kullanıyor ve soyut kavramlar aracılığıyla gerçeklik ile simülasyon arasındaki boşluğu doldurmasına olanak tanıyor.

Durum kodlamasının soyutlama düzeyi orijinal görüntününkinden daha yüksek olduğundan, takviyeli öğrenme simülatörleri artık karmaşık görsel ortamlara ihtiyaç duymaz. Bu optimizasyon, simüle edilen sistem ile gerçek sistem arasındaki farkı azaltır ve simülasyonun hızını artırarak sistemin öğrenmeyi yaklaşık 50 dakika içinde tamamlamasına olanak tanır.

Makaleye göre Swift iki temel modülden oluşuyor: gözlem politikası ve kontrol politikası. Bunlar arasında gözlem politikası, yüksek boyutlu görsel ve eylemsiz bilgiyi göreve özgü düşük boyutlu kodlamaya dönüştürebilen bir görsel eylemsizlik tahmincisi ve bir kapı dedektöründen oluşur; kontrol politikası, iki katmanlı bir algılayıcı tarafından temsil edilir. düşük boyutlu kodlamayı kabul edin ve bunu drone komutlarına çevirin.

İnsan pilotların ötesinde hız ve performans

Bu yarışmanın parkuru, dünya standartlarında harici bir FPV (birinci şahıs perspektifi) pilotu tarafından tasarlandı. Pist, 30 x 30 x 8 metrelik bir alana yerleştirilmiş, 75 metre uzunluğunda bir devre oluşturan yedi kare kapıdan oluşuyor.

Ek olarak pistte Split-S ve daha fazlası dahil olmak üzere farklı ve zorlu manevralar yer alıyor. Bir çarpışma meydana gelse bile, uçak uçmaya devam edebildiği sürece pilot yarışa devam edebilir. Bir çarpışma meydana gelirse ve hiçbir drone rotayı tamamlayamazsa, daha uzaktaki drone kazanır.

Swift, Alex Vanover (2019 Drone Racing League Dünya Şampiyonu), Thomas Bitmatta (2019 MultiGP Şampiyonu) ve Marvin Schaepper (3X İsviçre Şampiyonu) gibi birçok yarışta yarıştı.

Bunlar arasında Swift, A. Vanover ile 9 dövüşten 5'ini, T. Bitmatta ile 7 dövüşten 4'ünü ve M. Schaepper ile 9 dövüşten 6'sını kazandı.

Ayrıca Swift toplam 10 kez başarısız oldu; bunların %40'ı rakiplerle çarpışmalardan, %40'ı kapılarla çarpışmalardan ve %20'si insan pilotlardan daha yavaş uçmasından kaynaklandı.

**Genel olarak Swift, insan pilotlara karşı çoğu maçı kazandı. Ayrıca Swift, insan pilot A. Vanover'ın en iyi zamanını yarım saniye geride bırakarak en hızlı yarış süresi rekorunu kırdı. **

Veri analizinden Swift'in, özellikle kalkış ve acil durum dönüşleri gibi kritik kısımlarda genel olarak tüm insan pilotlardan daha hızlı olduğu görülebiliyor. Swift'in kalkış tepki süresi, insan pilottan ortalama 120 milisaniye daha erken, daha kısadır. Ayrıca Swift daha fazla hızlanır ve ilk kapıda daha yüksek hızlara ulaşır.

Dahası Swift, keskin dönüşler sırasında daha sıkı manevralar sergiliyor, bunun nedeni muhtemelen yörüngeleri daha uzun zaman ölçeklerinde optimize etmesi. Buna karşılık insan pilotlar, gelecekte en fazla bir kapı konumunu hesaba katarak manevraları daha kısa zaman aralıklarında planlamayı tercih ediyor.

Ek olarak **Swift, genel pistte en yüksek ortalama hıza ulaştı, en kısa yarış çizgilerini buldu ve uçağın kendi sınırlarına yakın uçmasını başarıyla sağladı. **Swift'i insan şampiyonla karşılaştıran bir zaman denemesinde, otonom drone daha düşük ortalama ve varyansla daha tutarlı tur süreleri gösterirken, insan pilotun performansı daha bireyseldi, ortalama ve varyans daha yüksekti.

Kapsamlı analiz, otonom İHA Swift'in yarışmada mükemmel performans gösterdiğini, yalnızca hız açısından üstün olmakla kalmayıp, aynı zamanda uçuş stratejisinde de benzersiz özelliklere sahip olduğunu ve yarışma boyunca yüksek performans düzeyini korumasını sağladığını gösteriyor.

Sadece drone yarışı değil

Bu araştırma, fiziksel ortamdan gelen gürültülü ve eksik algılama girdilerine dayalı otonom drone yarışlarını araştırıyor ve otonom bir fizik sisteminin yarışlarda şampiyona seviyesinde performansa ulaştığını, hatta bazen dünya şampiyonalarını bile geride bıraktığını gösteriyor.Robotların dünya şampiyonası seviyesinde performans elde etmesinin önemini vurguluyor. popüler sporlarda ve robot teknolojisi ve zekasında önemli bir dönüm noktasına ulaştı.

Ancak incelenen sistem, insan pilotlara kıyasla kaza sonrası kurtarma konusunda eğitilmemişti. Bu, sistemin çarpışmadan sonra uçmaya devam etme yeteneğini sınırlarken, insan pilotlar hasarlı donanımla yarışmaya devam edebilir.

Buna ek olarak Swift sistemi, daha düşük yenileme hızına sahip bir kamera kullanan bir insan pilota göre çevresel değişikliklere daha az uyum sağlar; yöntem otonom drone yarışlarında üstün olsa da, sistemler ve ortamlar arasındaki diğer gerçek dünya Genelleştirme yeteneklerinde etkili değildir. henüz tam olarak araştırılmamıştır.

Açıkçası Kaufmann ve ekibinin başarıları drone yarışlarıyla sınırlı değil ve bu teknoloji askeri uygulamalarda da kullanım alanı bulabilir. Üstelik teknolojileri, drone'ları daha yumuşak, daha hızlı ve daha uzun menzilli hale getirerek robotların sürüş, temizlik ve denetim gibi alanlarda sınırlı kaynakları daha etkin kullanmasına yardımcı olabiliyor.

Ancak bu hedeflere ulaşmak için araştırma ekibinin hâlâ birçok zorluğu çözmesi gerekiyor. Croon'un inceleme makalesinde belirttiği gibi, "Herhangi bir yarış ortamında insan pilotları yenmek için sistemin rüzgar, değişen ışık koşulları ve diğer yarış ortamları kadar net tanımlanmayan çeşitli kapılar gibi dış etkenlerle başa çıkabilmesi gerekir. İnsan, makine ve diğer birçok faktör.”

Kağıt bağlantısı