За първи път AI доминира най-доброто на човечеството в спорт от реалния свят

Сподели

Високоскоростните състезания с дронове току-що имаха шокиращ момент „Deep Blue“, тъй като автономен AI, проектиран от изследователи от университета в Цюрих, многократно принуждаваше трима пилоти на ниво световен шампион да ядат праха му, показвайки невероятна прецизност в динамичния полет.

Ако някога сте гледали състезание с дронове на високо ниво от гледна точка на FPV, ще знаете колко умения, скорост, прецизност и динамичен контрол са необходими. Подобно на гледане на Формула 1 от гледна точка на пилота или бордови кадри от Isle of Man TT, трудно е да си представим как човешкият мозък може да прави изчисления толкова бързо и да реагира на променящите се ситуации в реално време. Това е невероятно впечатляващо.

Когато Deep Blue подпечата господството на силикона в света на шаха, а AlphaGo установи господството на AI в играта Go, това бяха стратегически ситуации, в които способността на компютъра да анализира милиони минали игри и милиони потенциални ходове и стратегии им даде предимство .

Но сега, за първи път, AI победи някои от най-добрите в света в реален, физически спорт. AI система, наречена Swift, разработена от изследователи от университета в Цюрих и Intel, бързо научи стегната, технична 3D състезателна писта и продължи да доминира над двама човешки световни шампиони и трикратен национален шампион на Швейцария в състезания един срещу друг, също определя най-бързото време за състезание.

Курс с размери 25 x 25 m беше сглобен в самолетен хангар в Цюрих

Цюрихски университет

Системата Swift използва същата настройка за виждане с една камера като хората-пилоти, за да види пътя около курса и през портите, но имаше предимството да използва и данни за ускорение, скорост и ориентация в реално време от бордово инерционно измервателно устройство.

Той научи доста сложната писта със седем порти, пълна с акробатичен Split-S вертикален завой, като пусна 100 дрона през пистата едновременно във виртуална среда. Сим-дроните започнаха с изследване на средата на състезателната писта, след това започнаха да намират пътища през нея и в крайна сметка оптимизираха тези пътища, за да намерят най-бързия начин. Този процес отне по-малко от час, но симулира еквивалента на непрекъснато едномесечно обучение в реално време с един дрон.

След това прецизира политиките си за контрол, използвайки данни, събрани от полет в реалния свят, за да отчете неща като въздушна турбуленция, влошаване на визуалния сигнал и други фактори, които създават несигурност между симулациите и реалния свят.

Използвайки само визия на вградена камера и инерционна измервателна единица, Swift AI пилотира състезателен дрон до многократни победи над най-добрите човешки пилоти в света в Швейцария
Използвайки само визия на вградена камера и инерционна измервателна единица, Swift AI пилотира състезателен дрон до многократни победи над най-добрите човешки пилоти в света в Швейцария

Цюрихски университет

И след това нанесе удара във физическия свят, на специално построена писта с размери 25 x 25 метра (82 x 82 фута) в хангар на летище близо до Цюрих.

„Това беше лудост“, въздъхна двукратният международен шампион на MultiGP от Световната купа Томас Битмата, докато Swift AI се отдалечи от него, правейки по-строги завои от всеки един от човешките състезатели и показвайки нечовешка прецизност между обиколките.

Най-бързата му обиколка беше с цяла половин секунда по-бърза от най-добрата обиколка, правена от човек – цяла вечност във високоскоростни състезания.

Като каза това, хората са били по-способни да се адаптират към променящите се условия; когато ярката слънчева светлина освети хангара повече, отколкото дронът беше обучен, той се провали. Трудно е да се разбере как по-нататъшното обучение не може да елиминира този вид сляпо петно, но въпросът остава: човешкият мозък е почти безкрайно адаптивен. Нетрадиционните тактики и изненадата са най-добрият ни залог срещу въстанието на роботите.

И тук има по-широка точка за възхода на AI системите; тези машини могат да развият невероятна скорост и прецизност, когато им бъдат дадени специфични задачи, но старият компютър за врата все още царува, когато става въпрос за справяне с по-широк набор от задачи в динамични и променящи се условия. За сега.

Гледайте как нещото лети отдолу; видеото е фантастично.

Състезание с дронове на ниво шампион с помощта на Deep Reinforcement Learning (Nature, 2023)

източник: Цюрихски университет



Публикациите се превеждат автоматично с google translate

Loading


Сподели