Drone AI de alta velocidade ultrapassa pilotos campeões mundiais de drones

Lembra quando o Deep Blue da IBM venceu Gary Kasparov no xadrez em 1996, ou o AlphaGo do Google esmagou o campeão Lee Sedol no Go, um jogo muito mais complexo, em 2016? Estas competições onde as máquinas prevaleceram sobre os campeões humanos são marcos importantes na história da inteligência artificial. Agora, um grupo de investigadores da Universidade de Zurique e da Intel estabeleceu um novo marco com o primeiro sistema autónomo capaz de vencer campeões humanos num desporto físico: as corridas de drones.

O sistema de IA, chamado Swift, venceu várias corridas contra três campeões mundiais em corridas de drones com visão em primeira pessoa (FPV), onde os pilotos voam quadricópteros a velocidades superiores a 100 km/h, controlando-os remotamente enquanto usam um fone de ouvido conectado a um dispositivo a bordo. Câmera.

Aprender interagindo com o mundo físico

“Os esportes físicos são mais desafiadores para a IA porque são menos previsíveis do que os jogos de tabuleiro ou videogames. Não temos um conhecimento perfeito dos drones e dos modelos ambientais, então a IA precisa aprendê-los interagindo com o mundo físico”, diz. Davide Scaramuzza, chefe do Grupo de Robótica e Percepção da Universidade de Zurique – e recém-nomeado capitão da equipe de corrida de drones.

Até muito recentemente, os drones autónomos demoravam o dobro do tempo que os pilotados por humanos para voar numa pista de corrida, a menos que dependessem de um sistema externo de rastreio de posição para controlar com precisão as suas trajetórias. O Swift, no entanto, reage em tempo real aos dados coletados por uma câmera a bordo, como a usada por pilotos humanos. Sua unidade de medição inercial integrada mede aceleração e velocidade, enquanto uma rede neural artificial usa dados da câmera para localizar o drone no espaço e detectar os portões ao longo da pista. Essa informação é enviada para uma unidade de controle, também baseada em uma rede neural profunda, que escolhe a melhor ação para finalizar o circuito o mais rápido possível.

Treinamento em um ambiente de simulação otimizado

Swift foi treinado em um ambiente simulado onde aprendeu sozinho a voar por tentativa e erro, usando um tipo de aprendizado de máquina chamado aprendizado por reforço. O uso da simulação ajudou a evitar a destruição de vários drones nos estágios iniciais do aprendizado, quando o sistema trava com frequência. “Para garantir que as consequências das ações no simulador fossem o mais próximas possível das do mundo real, projetamos um método para otimizar o simulador com dados reais”, diz Elia Kaufmann, primeira autora do artigo.

Nesta fase, o drone voou de forma autônoma graças a posições muito precisas fornecidas por um sistema externo de rastreamento de posição, ao mesmo tempo que registrava dados de sua câmera. Dessa forma, ele aprendeu a corrigir automaticamente os erros cometidos na interpretação dos dados dos sensores integrados.

Os pilotos humanos ainda se adaptam melhor às mudanças nas condições

Após um mês de voo simulado, que corresponde a menos de uma hora em um PC desktop, o Swift estava pronto para desafiar seus concorrentes humanos: o campeão da Drone Racing League de 2019, Alex Vanover, o campeão do MultiGP Drone Racing de 2019, Thomas Bitmatta, e três- vezes campeão suíço Marvin Schaepper. As corridas decorreram entre 5 e 13 de junho de 2022, numa pista especialmente construída num hangar do Aeroporto de Dübendorf, perto de Zurique.

A pista cobria uma área de 25 por 25 metros, com sete portões quadrados que precisavam ser ultrapassados ​​na ordem certa para completar uma volta, incluindo manobras desafiadoras, incluindo um Split-S, um recurso acrobático que envolve rolar o drone pela metade e executar um meio loop descendente a toda velocidade.

No geral, Swift alcançou a volta mais rápida, com meio segundo de vantagem sobre a melhor volta de um piloto humano. Por outro lado, os pilotos humanos revelaram-se mais adaptáveis ​​do que o drone autónomo, que falhou quando as condições eram diferentes daquelas para as quais foi treinado, por exemplo, se houvesse demasiada luz na sala.

Ultrapassar os limites no voo autônomo é importante muito além das corridas de drones, observa Scaramuzza. “Os drones têm uma capacidade de bateria limitada; eles precisam da maior parte da sua energia apenas para se manterem no ar. Assim, ao voar mais rápido aumentamos a sua utilidade.”

Em aplicações como monitoramento florestal ou exploração espacial, por exemplo, voar rápido é importante para cobrir grandes espaços em tempo limitado. Na indústria cinematográfica, drones autônomos e rápidos poderiam ser usados ​​para filmar cenas de ação. E a capacidade de voar em alta velocidade pode fazer uma enorme diferença para drones de resgate enviados para dentro de um prédio em chamas.

A pesquisa está publicada na revista Natureza.