Ένα σύστημα AI σε ρόλο πιλότου κέρδισε εύκολα τρεις επαγγελματίες χειριστές αγωνιστικών drones

Ερευνητές από το Πανεπιστήμιο της Ζυρίχης σε συνεργασία με την Intel έθεσαν το σύστημα χειρισμού Τεχνητής Νοημοσύνης με την ονομασία «Swift» αντιμέτωπο με τρεις παγκόσμιους πρωταθλητές αγώνων με drones. Το αποτέλεσμα ήταν κανένας από τους ανθρώπινους χειριστές να μην καταφέρει να ξεπεράσει τον κορυφαίο χρόνο που έθεσε το σύστημα Τεχνητής Νοημοσύνης.

Το σύστημα Swift είναι το αποκορύφωμα πολυετούς έρευνας στους τομείς της Τεχνητής Νοημοσύνης και της μηχανικής εκμάθησης από το Πανεπιστήμιο της Ζυρίχης. Το 2021, η ομάδα των ερευνητών έθεσε σε λειτουργία μια προηγούμενη έκδοση του αλγορίθμου ελέγχου πτήσης, η οποία αξιοποιούσε και μία σειρά από εξωτερικές κάμερες για να επικυρώνει σε πραγματικό χρόνο τη θέση του drone στον χώρο. Σε εκείνη την περίπτωση, το σύστημα είχε τεθεί αντιμέτωπο με ερασιτέχνες χειριστές, οι οποίοι έχασαν πανεύκολα, με το σύστημα να μην χάνει την πρωτοπορία σε κάθε γύρο, κάθε αγώνα κατά τη διάρκεια της δοκιμής. Το συγκεκριμένο αποτέλεσμα ήταν από μόνο του ένα ορόσημο, καθώς προηγουμένως, τα  αυτό-κατευθυνόμενα drones βασίζονταν σε απλουστευμένα μοντέλα φυσικής για να υπολογίζουν διαρκώς τη βέλτιστη τροχιά τους, γεγονός που είχε σημαντικές επιπτώσεις στην τελική τους ταχύτητα.

Το πρόσφατο αποτέλεσμα με την βελτιωμένη έκδοση του Swift είναι ένα ακόμη ορόσημο, όχι μόνο επειδή η τεχνητή νοημοσύνη για ακόμη μία φορά κατάφερε να ξεπεράσει ανθρώπους, οι οποίοι μάλιστα ειδικεύονταν στο να πετούν και να χειρίζονται drones με εξαιρετική ακρίβεια σε ιδιαίτερα υψηλές ταχύτητες, αλλά επειδή το έκανε χωρίς τις δυσκίνητες εξωτερικές συστοιχίες καμερών της προηγούμενης έκδοσης. Το νέο σύστημα Swift «αντιδρά σε πραγματικό χρόνο στα δεδομένα που συλλέγονται από μια μόνο ενσωματωμένη κάμερα, σαν αυτή που χρησιμοποιούν οι ανθρώπινοι χειριστές» και τίποτα περισσότερο, διαβάζουμε στην ανακοίνωση του Πανεπιστημίου της Ζυρίχης. Το σύστημα ενσωματώνει μία αδρανειακή μονάδα μέτρησης για την παρακολούθηση της επιτάχυνσης και της ταχύτητας ενώ ένα ενσωματωμένο νευρωνικό δίκτυο εντοπίζει τη θέση του στο χώρο χρησιμοποιώντας δεδομένα από την εμπρόσθια κάμερα. Τα δεδομένα διοχετεύονται σε μια κεντρική μονάδα ελέγχου -που με τη σειρά της είναι εξίσου συνδεδεμένη με ένα βαθύ νευρωνικό δίκτυο- που επεξεργάζεται τη πληροφορία και σχεδιάζει τη συντομότερη/ ταχύτερη διαδρομή γύρω από την πίστα.

«Τα φυσικά σπορ αποτελούν μεγαλύτερη πρόκληση για την τεχνητή νοημοσύνη επειδή είναι λιγότερο προβλέψιμα από τα επιτραπέζια ή τα βιντεοπαιχνίδια. Δεν έχουμε τέλεια γνώση των μοντέλων του drone και του περιβάλλοντος, οπότε η Τεχνητή Νοημοσύνη θα πρέπει να εκπαιδευτεί αλληλοεπιδρώντας με τον φυσικό κόσμο» δήλωσε ο Davide Scaramuzza, Επικεφαλής της ομάδας Ρομποτικής και Αντίληψης στο Πανεπιστήμιο της Ζυρίχης. Το drone που ήλεγχε το σύστημα Τεχνητής Νοημοσύνης «Swift» αντιμετώπισε τον πρωταθλητή του 2019 στην Drone Racing League, Alex Vanover, τον πρωταθλητή του MultiGP Drone Racing 2019, Thomas Bitmatta και τον τρεις φορές Ελβετό πρωταθλητή, Marvin Schaepper.

Η Swift σημείωσε τον ταχύτερο γύρο συνολικά, κερδίζοντας τους ανθρώπους κατά μισό δευτερόλεπτο, αν και οι ανθρώπινοι αντίπαλοι αποδείχθηκαν πιο προσαρμοστικοί στις όποιες μεταβαλλόμενες συνθήκες κατά τη διάρκεια ενός αγώνα. «Τα drones έχουν περιορισμένη χωρητικότητα μπαταρίας και ξοδεύουν το μεγαλύτερο μέρος της ενέργειάς τους απλώς για να παραμείνουν στον αέρα. Έτσι, πετώντας σε αρκετά υψηλότερες ταχύτητες αυξάνουμε τη χρησιμότητά τους» δήλωσε ο Marvin Scaramuzza. H ερευνητική ομάδα ελπίζει να συνεχίσει να αναπτύσσει τον αλγόριθμο για ενδεχόμενη χρήση του σε επιχειρήσεις έρευνας και διάσωσης καθώς και στην παρακολούθηση δασών, στην εξερεύνηση του διαστήματος και στην παραγωγή κινηματογραφικών ταινιών.

• τεχνητή νοημοσύνη