AI再一次擊敗人類世界冠軍，登上Nature封面。

與上一次AlphaGo下圍棋不同，這次不是腦力運動，而是在真實物理環(huán)境中的競技體育項目——“空中F1”無人機競速。

與AlphaGo也有相同之處，核心技術(shù)都是深度強化學(xué)習(xí)。

成果來自蘇黎世大學(xué)，作者之一Davide Scaramuzza認為，這是國際象棋的深藍、圍棋的AlphaGo之后的又一大突破。

這標志著自主移動機器人首次在為人類設(shè)計并由人類設(shè)計的物理環(huán)境體育運動中擊敗人類冠軍。

微軟高級研究工程師Shital Shah認為這比AlphaGo更難，也更難獲得認可，但仍是歷史性的里程碑。

深度強化學(xué)習(xí)，又一次勝利

先介紹一下這個運動項目：FPV（第一人稱視角）無人機競速。

人類選手會通過機載攝像頭傳輸?shù)囊曨l，從無人機的視角觀察環(huán)境，穿越障礙。

賽道由七個方形大門組成，每一圈都必須按順序通過。要贏得比賽，參賽者必須連續(xù)領(lǐng)先對手完成三圈。

兩臺無人機同時出發(fā)，正面對決，最高速度可達每小時100公里，同時承受數(shù)倍于重力的加速度。

這次與AI同臺的是2019年無人機競速聯(lián)盟世界冠軍Alex Vanover、MultiGP國際公開賽世界杯冠軍Thomas Bitmatta和三屆瑞士全國冠軍Marvin Schaepper。

對AI來說，要達到專業(yè)人類選手的水平非常有挑戰(zhàn)性，因為無人機需要在物理極限下飛行，同時僅通過機載傳感器估計速度和位置。

為解決這些挑戰(zhàn)，蘇黎世大學(xué)設(shè)計了Swift，由兩個關(guān)鍵模塊組成：

• 感知系統(tǒng)，將高維視覺信息和慣性信息轉(zhuǎn)換為低維表示。
• 控制策略，感知系統(tǒng)產(chǎn)生的低維表示并產(chǎn)生控制命令。

其中，感知系統(tǒng)主要是一個VIO（Visual-Inertial Odometry）模塊，同時利用視覺和慣性傳感器對自身定位和對環(huán)境建模。

VIO估計與神經(jīng)網(wǎng)絡(luò)相結(jié)合，用于檢測障礙門的四個角點。

控制策略是一個前饋神經(jīng)網(wǎng)絡(luò)，使用無模型的On-policy深度強化學(xué)習(xí)進行模擬訓(xùn)練，獎勵目標結(jié)合了向下一個門的中心前進，和保持下一個門在攝像機視野內(nèi)。

為了彌合模擬和物理世界之間感知和動力學(xué)上的差距，使用了從物理系統(tǒng)中收集的數(shù)據(jù)，驅(qū)動一個MLP殘差模型。

在比賽開始前，人類選手在指定賽道上有一周的練習(xí)時間，賽道包含“Split-S”等高難度機動動作。

具體規(guī)則還有：由聲學(xué)信號(發(fā)令槍）開啟比賽，如果發(fā)生碰撞也可以繼續(xù)比賽，如果兩架無人機都墜落則飛得遠的獲勝。

最終在與三位人類選手的比賽中，Swift分別拿下了9局5勝，7局4勝，和9局6勝的成績。

在Swift輸?shù)舻谋荣愔?，?0%是因為與對手發(fā)生碰撞，40%是因為與門發(fā)生碰撞，20%是因為速度比人類慢。

Swift還在比賽中取得最快記錄，人類選手的最佳時間領(lǐng)先半秒。

在累計300圈的數(shù)據(jù)中，Swift平均時間更短，方差更低，代表AI每圈都穩(wěn)定追求更快圈速。

而人類則會在自己領(lǐng)先時保持一個較慢的速度，降低碰撞的風(fēng)險，表現(xiàn)出更大的方差。

這也體現(xiàn)出當前的Swift系統(tǒng)無法得知對手的情況，在領(lǐng)先時不夠穩(wěn)，落后時又不夠浪。

AI與人類選手，哪里不同？

在論文中，團隊還討論了AI與人類選手的更多對比。

首先，Swift利用了機載慣性傳感器，這類似于人類的前庭系統(tǒng)。

但反而是人類在這個項目上無法使用前庭系統(tǒng)，因為他們不隨無人機一起移動，感受不到加速度。

另外，Swift的傳感器延遲更低為40毫秒，專業(yè)人類選手平均能做到220毫秒。

但Swift的攝像頭刷新率有限，只有30Hz，人類使用的攝像頭則120Hz。

最后，人類有更高的韌性。

比如即使在全速墜機了只要設(shè)備沒壞就能繼續(xù)比賽，但Swift沒有接受碰撞后恢復(fù)的訓(xùn)練。

如果改變比賽現(xiàn)場的光照環(huán)境，Swift的感知系統(tǒng)就會失效。

作者認為，這項研究可能會激發(fā)在其他物理系統(tǒng)（例如自動駕駛汽車、飛機和機器人）中跨廣泛應(yīng)用部署基于混合學(xué)習(xí)的解決方案。

論文地址：https://www.nature.com/articles/s41586-023-06419-4。

參考鏈接：[1]https://x.com/davsca1/status/1696938013421429111。