AIが再び人間のチャンピオンを破りました！今回はドローンレースの分野です

人工知能（AI）が再び人間のチャンピオンを打ち負かした。

今回はドローンレースの分野です。

チューリッヒ大学ロボット工学・知覚グループのエリア・カウフマン博士のチームとインテルのチームは、1対1のチャンピオンシップマッチで人間の対戦相手と同じようにドローンを飛ばすことができる自律運転システム「Swift」を設計した。

この重要な研究結果は、ネイチャー誌の最新号の表紙記事として発表されました。

写真｜ネイチャー最新号の表紙。 （出典：ネイチャー）

ネイチャー誌に同時期に発表されたニュースと意見記事の中で、オランダのデルフト工科大学の研究者、グイド・デ・クルーン教授は、「カウフマン氏らの研究は、ロボット工学者が現実とのギャップを克服する方法を示す優れた例だ。スウィフトはAI学習技術と従来の工学アルゴリズムを巧みに組み合わせて訓練されているが、この技術の潜在能力を完全に発揮させるには、より現実的で多様な環境でシステムをさらに開発する必要がある」と書いている。

それでも研究チームは、この研究は移動ロボット工学と機械知能における画期的な出来事であり、自律走行車、航空機、個人用ロボットなど、他の物理システムにおけるハイブリッド学習ベースのソリューションの導入につながる可能性があると述べている。

AIとエンジニアリングアルゴリズムを統合したインテリジェントトレーニング

現在、深層強化学習に基づく人工知能 (AI) システムは、Atari ゲーム、チェス、StarCraft、グランツーリスモなどのゲームで人間のチャンピオンを上回っています。しかし、これらの成果はすべて現実世界ではなく仮想環境で実現されました。

ドローンレースは、経験豊富なパイロットにとっても AI にとっても挑戦的ですが、AI にとってはさらに挑戦的です。仮想環境ではリソースはほぼ無制限ですが、現実世界に移行すると限られたリソースで作業する必要があるからです。これは特にドローンに当てはまります。人間の操縦士に代わるセンサーやコンピューター機器を空中に持ち込まなければならないからです。

さらに、現実世界は仮想世界よりも予測不可能です。シミュレーションされたレーシングドローンは、事前にプログラムされた軌道に沿って完璧に飛行できますが、ドローンに発行された単一のコマンドは、特に AI によってトレーニングされたドローンの場合、予測が難しい複数の効果をもたらす可能性があります。

従来のエンドツーエンドの学習方法では、仮想環境のマッピングを現実世界に転送することが困難です。仮想世界と現実世界の間には現実のギャップがあり、それがロボット工学の分野における主要な課題の 1 つとなっています。

この研究では、 Swift システムは AI 学習技術と従来のエンジニアリング アルゴリズムを統合することで、インテリジェントなトレーニングを実現しました。まず、システムはドローンのカメラから取得した画像を人工ニューラルネットワークで処理し、ドアの角を正確に検出できるようにします。次に、両眼視ソフトウェアを使用してドローンの速度を計算します。

Swift システムの革新的な点は、ドローンの状態を推力と回転速度を調整するためのコマンドにマッピングする、もう 1 つの人工ニューラル ネットワークです。強化学習を使用して、シミュレーションでの試行錯誤のプロセスを通じて、環境から得られる報酬を最適化します。このアルゴリズムでは、システムはエンドツーエンドの学習ではなく強化学習を使用し、抽象的な概念を通じて現実とシミュレーションのギャップを埋めることができます。

状態のエンコーディングは元の画像よりも抽象度が高いため、強化学習シミュレーターでは複雑な視覚環境は不要になります。この最適化により、シミュレーションと実際のシステムの差が縮小し、シミュレーション速度が向上し、システムは約50 分で学習を完了できるようになりました。

論文によれば、Swift は観測ポリシーと制御ポリシーという 2 つの主要モジュールで構成されています。観測ポリシーは、視覚慣性推定器とゲート検出器で構成され、高次元の視覚情報と慣性情報をタスク固有の低次元エンコーディングに変換できます。制御ポリシーは、低次元のエンコードを受け入れてドローン コマンドに変換する 2 層パーセプトロンによって表されます。

人間のパイロットを上回るスピードとパフォーマンス

この大会のコースは、外部の世界クラスのFPV（一人称視点）パイロットによって設計されました。トラックは、30×30×8メートルのスペースに配置された7つの正方形のゲートで構成され、75メートルのサーキットを形成します。

さらに、このコースには、スプリット S などの独特で難しい技が盛り込まれています。衝突が起こったとしても、飛行機が飛行を続けることができる限り、パイロットはレースを続けることができます。衝突が発生し、どちらのドローンもコースを完走できなかった場合は、より長い距離を飛行したドローンが勝利します。

スウィフトは、アレックス・ヴァノーバー（2019年ドローンレーシングリーグ世界チャンピオン）、トーマス・ビットマッタ（2019年マルチGPチャンピオン）、マービン・シェッパー（3度スイスチャンピオン）などの選手と複数のレースに出場してきました。

スウィフトは、A. ヴァノーバーに対して9試合中5試合、T. ビットマッタに対して7試合中4試合、M. シェッパーに対して9試合中6試合で勝利しました。

さらに、スイフトは10回の事故を起こしており、そのうち40%は敵機との衝突、40%はドアとの衝突、20%は人間のパイロットよりも飛行速度が遅かったことによるものだった。

全体的に、スウィフトは各人間のパイロットに対してほとんどの試合で勝利しました。スウィフトは、人間のパイロットであるA. ヴァノーバーのベストタイムを0.5秒上回り、最速のレースタイムも記録した。

データ分析によると、スイフトは全体的に人間のパイロット全員よりも速く、特に離陸や緊急旋回などの重要な部分では速いことが分かりました。スイフトの離陸反応時間は人間のパイロットより平均120ミリ秒短い。また、スイフトは加速性能も優れており、最初のゲートでより高い速度に到達します。

さらに、Swift は急旋回時によりタイトな操縦性を発揮しますが、これはおそらく、より長い時間スケールで軌道を最適化しているためです。対照的に、人間のパイロットは、せいぜい将来の 1 つのドアの位置を考慮して、より短い時間スケールで操縦を計画する傾向があります。

さらに、スイフトはコース全体で最高の平均速度を達成し、最短のレースラインを見つけ、車両を限界近くまで飛行させることに成功しました。スイフトと人間のチャンピオンを比較したタイムトライアルでは、自律型ドローンはより一貫性のあるラップタイムを示し、平均値と分散は低かったのに対し、人間のパイロットのパフォーマンスはより個別的でばらつきがあり、平均値と分散は高かった。

総合的な分析により、自律型ドローン「Swift」が競技で優れたパフォーマンスを発揮したことが明らかになりました。スピードに優れているだけでなく、飛行戦略にも独自の特徴があり、競技全体を通して高いレベルのパフォーマンスを維持することができます。

ドローンレースだけではない

この研究では、物理環境からのノイズが多く不完全な感覚入力に基づく自律型ドローンレースを調査し、自律型物理システムがレースでチャンピオンシップレベルのパフォーマンスを達成できること、時には人間の世界チャンピオンを上回ることもあることを実証し、ロボットが人気スポーツで世界選手権レベルのパフォーマンスを達成することの重要性を強調し、ロボット工学と知能における重要なマイルストーンを達成することを示した。

しかし、人間のパイロットとは異なり、研究対象となったシステムは墜落後の回復のための訓練を受けていませんでした。これにより、衝突後にシステムが飛行を継続する能力が制限されるが、人間のパイロットはハードウェアが損傷した状態でもレースを継続できる。

さらに、人間のパイロットと比較すると、Swift システムは環境の変化に対する適応性が低く、リフレッシュ レートが低いカメラを使用します。この方法は自律型ドローンレースでは優れたパフォーマンスを発揮しますが、他の現実世界のシステムや環境への一般化能力は十分に検討されていません。

明らかに、カウフマン氏と彼のチームの功績はドローンレースの分野に限ったものではありません。この技術は軍事用途で利用される可能性がある。さらに、彼らの技術により、ドローンの飛行がよりスムーズになり、より高速になり、航続距離が長くなり、運転、清掃、検査などの分野でロボットが限られたリソースをより効率的に使用できるようになります。

しかし、これらの目標を達成するには、研究チームがまだ多くの課題に取り組む必要があります。クルーンはレビュー記事で、「どんなレース環境でも人間のパイロットに勝つためには、システムは風、変化する照明条件、不明瞭なゲート、他のレース用ドローン、その他多くの要因などの外部の障害に対処できなければなりません。」と述べています。

論文リンク:

https://www.nature.com/articles/s41586-023-06419-4

https://www.nature.com/articles/d41586-023-02506-8

著者: Yan Yimi 編集者: Academic Jun