Всё об искусственном интеллекте
Исследователи из Цюрихского университета (Швейцария) и Intel создали систему искусственного интеллекта (ИИ) под названием Swift, которая победила чемпионов среди людей в гонках дронов. Это первый случай, когда ИИ превзошёл людей в соревнованиях по физической активности.
Для тех, кто спешит:
- Исследователи из Цюрихского университета и компании Intel создали систему искусственного интеллекта под названием Swift, которая побеждает чемпионов среди людей в гонках дронов;
- Это первый случай, когда ИИ превзошёл людей в соревновательной физической активности;
- ИИ использовал данные бортовой камеры, чтобы реагировать в режиме реального времени, как пилоты-люди;
- Системе потребовался месяц симулированных тренировок, чтобы побить время круга чемпионов;
- Это достижение имеет широкомасштабные последствия, такие как исследование космоса, съемка боевиков и спасение в опасных условиях.
Система искусственного интеллекта продемонстрировала отзывчивость в режиме реального времени, обрабатывая данные со своей бортовой камеры, имитируя то, как бегуны-люди перемещаются по гоночной трассе. Результаты были опубликованы в научном журнале Nature и опубликованы Цюрихским университетом.
Читать далее:
Физические виды спорта представляют собой более сложную задачу для ИИ, поскольку они менее предсказуемы, чем настольные или видеоигры. У нас нет идеальных знаний о моделях дронов и окружающей среды, поэтому ИИ должен изучать их, взаимодействуя с физическим миром.
Давиде Скарамуцца, руководитель группы робототехники и восприятия Цюрихского университета и недавно назначенный капитан команды по гонкам дронов
Обучение ИИ для гонок дронов
(Изображение: Регина Саблотная)
Система использовала искусственную нейронную сеть для определения местоположения дрона в космосе и обнаружения ворот на пути. Затем блок управления на основе глубокой нейронной сети определил оптимальные действия для быстрого завершения схемы.
Свифт прошел обучение в моделируемой среде с использованием обучения с подкреплением. Такой подход позволил системе учиться методом проб и ошибок без риска повреждения физических дронов на начальном этапе обучения.
На ранних этапах автономного дрона полагались на точные координаты внешней системы отслеживания положения, корректируя интерпретацию данных от бортовых датчиков.
Чтобы последствия действий в симуляторе были максимально приближены к таковым в реальном мире, мы разработали метод оптимизации симулятора на реальных данных.
Элия Кауфманн, первый автор статьи
После месяца моделирования полетов Свифт бросил вызов чемпионам среди людей на специально спроектированной гоночной трассе. И он показал лучшее время круга, чем его оппоненты-люди.
Однако ИИ демонстрировал ограничения, когда условия отличались от условий его обучения — например: при других вариациях освещения.
Важность
Помимо гонок дронов, это достижение имеет важное значение для нескольких областей.
Скорость и адаптируемость автономных дронов могут быть полезны для таких задач, как мониторинг лесов, исследование космоса, производство фильмов и даже спасательные операции в опасных условиях.
Это достижение подчеркивает потенциал ИИ, расширяющий границы автономного полета для практических применений, выходящих за рамки развлечений.
Вы смотрели новые видео на YouTube цифрового взгляда? Подпишитесь на канал!