AI在無人機競速比賽戰勝世界冠軍

蘇黎世大學與英特爾研究人員開發一個人工智慧無人機操縱系統Swift，該系統在模擬環境密集訓練後，便可以在現實環境中靈活駕駛無人機，甚至在第一人稱視角無人機競賽中，勝過3名世界冠軍選手。

人工智慧已經可以在圍棋或是電玩遊戲中勝過人類，而現在研究人員對於人工智慧技術的發展又往前邁進一步，開發了第一個可以在無人機競賽中擊敗人類冠軍的自動化系統。過去自動駕駛的無人機完成賽道的時間，是人類駕駛的2倍，除非仰賴外部追蹤系統，才能精確控制軌跡。

而新開發的Swift系統厲害之處，便是可以仰賴機載攝影機所收集的資料，即時作出反應，就如同人類賽車手一樣，Swift系統整合了慣性測量單位測量加速度和速度，並使用人工神經網路計算相機資料，在空間中定位無人機，並同時偵測賽道閘門。

也就是說，無人機除了可以感測自身運動狀態，透過人工智慧網路與攝影機，就可確定自己在空間中的位置和賽道上的物件。這些資訊被送往以深度神經網路技術為基礎的控制單元，即時選擇能夠盡快速完成賽道的最佳行動。

Swift在模擬環境中，使用增強學習經過反覆試驗自學飛行，研究人員盡可能確保模擬環境的動作結果與現實世界一致，藉由利用外部位置追蹤系統提供的精確位置資訊，讓無人機在學習自主飛行時，可以比對攝影機的資料，自動糾正機載感測器解釋資料的錯誤。

經過一個月的模擬訓練，Swift系統挑戰了2019年無人機競賽聯盟冠軍Alex Vanover、2019 MultiGP無人機競賽冠軍Thomas Bitmatta，還有獲得三次瑞士無人機競賽冠軍的Marvin Schaepper。他們在25x25公尺競賽場地中，一個由7個方形閘門組成的賽道比賽，無人機必須要按順序穿過所有閘門才算一圈，其中還必須完成Split-S這種可以快速改變飛行方向的特技動作。

Swift系統以最快圈速完成比賽，比人類駕駛員最佳成績快半秒，但研究人員提到，目前人類操作員還是比無人機更具適應性，因為當實際條件和訓練條件不同，像是房間光線過多，無人機就會失效。

挑戰無人機飛行速度的實際用處，研究人員提到，無人機的電池容量有限，飛得更快可以增加無人機的效用，像是在森林監測或是太空探索應用場景，快速飛行可以在有限時間覆蓋更大片的空間，而對於救援無人機也非常重要。