Campione
Natura volume 620, pagine 982–987 (2023) Citare questo articolo
889 Altmetrico
Dettagli sulle metriche
Le corse di droni con visuale in prima persona (FPV) sono uno sport televisivo in cui concorrenti professionisti pilotano aerei ad alta velocità attraverso un circuito 3D. Ogni pilota vede l'ambiente dalla prospettiva del proprio drone attraverso il video trasmesso in streaming da una telecamera di bordo. Raggiungere il livello dei piloti professionisti con un drone autonomo è impegnativo perché il robot deve volare ai suoi limiti fisici stimando la sua velocità e la sua posizione nel circuito esclusivamente dai sensori di bordo1. Qui presentiamo Swift, un sistema autonomo in grado di gareggiare con veicoli fisici al livello dei campioni del mondo umani. Il sistema combina l'apprendimento profondo per rinforzo (RL) nella simulazione con i dati raccolti nel mondo fisico. Swift ha gareggiato contro tre campioni umani, inclusi i campioni del mondo di due campionati internazionali, in gare testa a testa nel mondo reale. Swift ha vinto diverse gare contro ciascuno dei campioni umani e ha dimostrato il tempo di gara più veloce registrato. Questo lavoro rappresenta una pietra miliare per la robotica mobile e l’intelligenza artificiale2, che potrebbe ispirare l’implementazione di soluzioni basate sull’apprendimento ibrido in altri sistemi fisici.
Deep RL3 ha consentito alcuni recenti progressi nell’intelligenza artificiale. Le politiche addestrate con un profondo RL hanno sovraperformato gli umani in giochi competitivi complessi, tra cui Atari4,5,6, Go5,7,8,9, scacchi5,9, StarCraft10, Dota 2 (rif. 11) e Gran Turismo12,13. Queste impressionanti dimostrazioni delle capacità dell’intelligenza artificiale sono state limitate principalmente agli ambienti di simulazione e di giochi da tavolo, che supportano la ricerca politica in una replica esatta delle condizioni di test. Superare questa limitazione e dimostrare prestazioni da campione nelle competizioni fisiche è un problema di vecchia data nella robotica mobile autonoma e nell’intelligenza artificiale14,15,16.
Le corse di droni FPV sono uno sport televisivo in cui piloti umani altamente addestrati spingono i veicoli aerei ai loro limiti fisici in manovre agili ad alta velocità (Fig. 1a). I veicoli utilizzati nelle corse FPV sono quadricotteri, che sono tra le macchine più agili mai costruite (Fig. 1b). Durante una corsa, i veicoli esercitano forze che superano il loro stesso peso di un fattore cinque o più, raggiungendo velocità superiori a 100 km h−1 e accelerazioni diverse volte superiori a quelle della gravità, anche in spazi ristretti. Ogni veicolo è controllato a distanza da un pilota umano che indossa un auricolare che mostra un flusso video da una telecamera di bordo, creando un'esperienza coinvolgente di "visione in prima persona" (Fig. 1c).
a, Swift (blu) gareggia testa a testa contro Alex Vanover, il campione del mondo 2019 della Drone Racing League (rosso). La pista è composta da sette cancelli quadrati che devono essere superati in ordine in ogni giro. Per vincere una gara, un concorrente deve completare tre giri consecutivi prima del suo avversario. b, Una vista ravvicinata di Swift, illuminata con LED blu, e di un drone pilotato da un essere umano, illuminato con LED rossi. I droni autonomi utilizzati in questo lavoro si basano solo su misurazioni sensoriali a bordo, senza il supporto di infrastrutture esterne, come i sistemi di acquisizione del movimento. c, Da sinistra a destra: Thomas Bitmatta, Marvin Schaepper e Alex Vanover gareggiano con i loro droni lungo la pista. Ogni pilota indossa un auricolare che mostra un flusso video trasmesso in tempo reale da una telecamera a bordo del proprio aereo. Le cuffie offrono un'esperienza coinvolgente di "visione in prima persona". c, Foto di Regina Sablotny.
I tentativi di creare sistemi autonomi che raggiungano le prestazioni dei piloti umani risalgono alla prima competizione di corse autonome di droni nel 2016 (rif. 17). Seguirono una serie di innovazioni, tra cui l'uso di reti profonde per identificare la posizione del cancello successivo18,19,20, il trasferimento delle politiche di corsa dalla simulazione alla realtà21,22 e la contabilizzazione dell'incertezza nella percezione23,24. La competizione di corse di droni autonomi AlphaPilot del 2019 ha messo in mostra alcune delle migliori ricerche sul campo25. Tuttavia, le prime due squadre hanno comunque impiegato quasi il doppio del tempo di un pilota umano professionista per completare la pista26,27. Più recentemente, i sistemi autonomi hanno iniziato a raggiungere prestazioni umane esperte28,29,30. Tuttavia, questi lavori si basano su una stima dello stato quasi perfetta fornita da un sistema di motion capture esterno. Ciò rende ingiusto il confronto con i piloti umani, poiché gli esseri umani hanno accesso solo alle osservazioni a bordo del drone.