Ce qui ne peut être que de mauvais augure pour la survie de notre espèce lors des inévitables soulèvements de robots, un système d’IA a une fois de plus surpassé les personnes qui l’ont formé. Cette fois, des chercheurs de l’Université de Zurich, en partenariat avec Intel, ont opposé leur système de pilotage d’IA « Swift » à un trio de pilotes de drones champions du monde, dont aucun n’a pu battre son meilleur temps.
Swift est l’aboutissement d’années de recherche sur l’IA et l’apprentissage automatique menées par l’Université de Zurich. En 2021, l’équipe a mis au point une version antérieure de l’algorithme de contrôle de vol qui utilisait une série de caméras externes pour valider sa position dans l’espace en temps réel, contre des pilotes humains amateurs, qui étaient tous facilement surpassés à chaque tour de chaque course. le test. Ce résultat constitue une étape importante en soi, car auparavant, les drones autoguidés s’appuyaient sur des modèles physiques simplifiés pour calculer en permanence leur trajectoire optimale, ce qui réduisait considérablement leur vitesse de pointe.
Le résultat de cette semaine constitue une autre étape importante, non seulement parce que l’IA a surpassé les personnes dont le travail consiste à piloter des drones rapidement, mais aussi parce qu’elle l’a fait sans les encombrants réseaux de caméras externes de son prédécesseur. Le système Swift « réagit en temps réel aux données collectées par une caméra embarquée, comme celle utilisée par les coureurs humains », UZH Zurich le communiqué lit. Il utilise une unité de mesure inertielle intégrée pour suivre l’accélération et la vitesse tandis qu’un réseau neuronal embarqué localise sa position dans l’espace à l’aide des données des caméras frontales. Toutes ces données sont introduites dans une unité de contrôle centrale – elle-même un réseau neuronal profond – qui analyse les chiffres et définit le chemin le plus court/le plus rapide autour de la piste.
« Les sports physiques sont plus difficiles pour l’IA car ils sont moins prévisibles que les jeux de société ou vidéo. Nous n’avons pas une connaissance parfaite des modèles de drones et d’environnement, l’IA doit donc les apprendre en interagissant avec le monde physique », a déclaré Davide Scaramuzza, responsable du groupe Robotique et perception à l’Université de Zurich, dans un communiqué. .
Plutôt que de laisser un quadricoptère se frayer un chemin sur la piste pendant le mois dont son contrôleur AI aurait besoin pour apprendre lentement les différents tissages et bobs du circuit, l’équipe de recherche a plutôt simulé virtuellement cette session d’apprentissage. Cela a pris une heure entière. Et puis le drone s’est mis au travail contre Alex Vanover, champion de la Drone Racing League 2019, Thomas Bitmatta, champion de MultiGP Drone Racing 2019, et Marvin Schaepper, triple champion de Suisse.
Swift a décroché le tour le plus rapide au classement général, battant les humains d’une demi-seconde, bien que les pilotes de sac de viande se soient montrés plus adaptables aux conditions changeantes au cours d’une course. « Les drones ont une capacité de batterie limitée ; ils ont besoin de la majeure partie de leur énergie simplement pour rester en l’air. Ainsi, en volant plus vite, nous augmentons leur utilité », a déclaré Scaramuzza. À ce titre, l’équipe de recherche espère continuer à développer l’algorithme pour une utilisation éventuelle dans les opérations de recherche et de sauvetage, ainsi que dans la surveillance des forêts, l’exploration spatiale et la production cinématographique.