在下棋，辦公，游戲這類腦力活動中，人類被AI碾壓已經(jīng)早就不是什么新聞了。

現(xiàn)在連極限競速領域，人類的陣地也失守了！

今天Nature的封面論文，內(nèi)容是AI駕駛系統(tǒng)在無人機競速領域擊敗了人類SOTA。

圖片

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

來自蘇黎世大學和英特爾的研究團隊開發(fā)的Swift系統(tǒng)，成功地在第一人稱視角（FPV）無人機比賽中，擊敗了3位人類世界冠軍，單圈速度比人類快了半秒！

AI無人機內(nèi)心OS「遙遙領先！」

比賽當中，駕駛選手需要駕駛高速無人機完成一個三

維空間內(nèi)的立體賽道。人類駕駛員和AI都只能通過機載攝像頭的拍攝的視頻流來觀察環(huán)境，操縱無人機的飛行。

圖片

2019年，當時成績最好的Alphapilot系統(tǒng)，如果不依靠外部的追蹤系統(tǒng)來精確控制無人機的飛行軌跡，完成比賽的時間幾乎是人類的兩倍。

Swift系統(tǒng)和人類選手一樣，僅通過對機載攝像頭收集的數(shù)據(jù)做出實時反應，讓完成比賽的時間有了質(zhì)的飛躍。

它的集成的慣性測量單元（inertial measurement unit）測量無人機的加速度和速度，神經(jīng)網(wǎng)絡通過來自攝像頭的數(shù)據(jù)來定位無人機在空中的位置，并檢測跑道上的需要通過的門。

這些信息被匯總到基于深度強化學習（DeepRL）的控制單元，做出最佳的反饋指令，從而盡可能快地完成賽道。

圖片

FPV無人機比賽中使用的是四軸飛行器，是市面上最為靈活的無人機。比賽中無人機受到的加速力，可能超過自身重力的5倍還多，飛行時速超過100公里每小時！

圖片

賽道由7個正方形的門組成，場地大小為30*30*7的三維空間，飛行距離超過75米。無人機必須按順序通過每個門，連續(xù)跑完3圈，才能完成比賽。

圖片

人類駕駛員佩戴頭顯，來獲得實時的視頻信號。頭顯能提供身臨其境的「第一人稱視角」體驗。

超越人類世界冠軍選手的Swift系統(tǒng)，主要由兩個關鍵模塊組成：

1. 將高維度視覺和加速度信息轉(zhuǎn)化為低維度表示的感知系統(tǒng)

2. 獲取低維度表示并生成控制命令的控制AI系統(tǒng)

這個控制AI系統(tǒng)由前饋神經(jīng)網(wǎng)絡進行表征，使用無模型的On-Policy深度強化學習進行模擬訓練，不斷提高跑圈成績。

圖片

研究人員通過使用從物理世界收集的數(shù)據(jù)估計的非參數(shù)經(jīng)驗噪聲模型（non-parametric empircal noise medels），來縮小模擬與物理世界中的感知和動力學差異。

這些噪聲模型能有效地將模擬中的控制策略轉(zhuǎn)化為現(xiàn)實中的控制指令。

人類選手在賽道上進行了一周的練習，在完成了一周的訓練后，每個飛行員都與Swift進行了多場正面1V1的比賽。

圖片

Swift的勝利標志著AI控制的自主操控系統(tǒng)首次在與人類的競技比賽中獲得了勝利。

Swift系統(tǒng)

機器人領域中主要的挑戰(zhàn)之一是虛擬和現(xiàn)實兩者之間存在差距，傳統(tǒng)的端到端學習方法難以將虛擬環(huán)境的映射轉(zhuǎn)移到現(xiàn)實世界。

Swift是一個端到端的自主控制系統(tǒng)，它能讓無人機像人類選手一樣參加FPV無人機賽事并取得具有競爭力的成績。

它的系統(tǒng)中主要包含以下兩個模塊：

1. 感知系統(tǒng)

感知系統(tǒng)由一個VIO模塊組成，該模塊通過相機圖像和慣性測量單元(IMU)獲得的高頻測量值計算無人機狀態(tài)的度量估計值。

VIO和門檢測結(jié)果經(jīng)卡爾曼濾波整合為無人機狀態(tài)。隨后，控制策略網(wǎng)絡將狀態(tài)和之前動作作為輸入，輸出控制命令。

這個系統(tǒng)能將來自無人機上的攝像頭和慣性傳感器等復雜高維信息，轉(zhuǎn)化成無人機當前狀態(tài)的低維表示。

包括無人機在賽道上的位置、速度、姿態(tài)等，并使用了視覺慣性系統(tǒng)和神經(jīng)網(wǎng)絡進行圖像處理和狀態(tài)估計。

2. 控制策略

每個timestep中，策略網(wǎng)絡會根據(jù)狀態(tài)和之前動作輸出。

Swift中的價值網(wǎng)絡評估這個動作的價值，之后兩個網(wǎng)絡的參數(shù)會通過強化學習進行優(yōu)化。

這個策略用一個簡單的兩層全連接神經(jīng)網(wǎng)絡表示，輸入是感知系統(tǒng)輸出的無人機當前狀態(tài)，輸出是給無人機的控制命令(推力和體積轉(zhuǎn)速)。它通過在模擬環(huán)境中用強化學習的方式進行訓練。

此外，為了把Swift的感知和行動跨域遷移到真實世界，研究人員使用了兩個殘差模型來處理動力學和感知上的偏差:

感知殘差模型：使用高斯過程擬合真實飛行中慣性系統(tǒng)的誤差，并在模擬中加入。

動力學殘差模型：使用k近鄰回歸擬合真實飛行中動力學的誤差，并在模擬中加入。

通過這種方式，Swift可以適應真實世界中的不確定性，實現(xiàn)從模擬到物理系統(tǒng)的有效遷移。

經(jīng)過訓練后，它可以像專業(yè)選手一樣駕駛無人機進行FPV賽事，甚至在部分場景下超越了人類冠軍的表現(xiàn)。

圖片

圖a：Swift在實際使用中從傳感器獲取數(shù)據(jù)并生成控制命令的過程

圖b：在仿真環(huán)境中使用強化學習訓練控制策略的過程

結(jié)果

研究人員將Swift與計時賽中的人類飛行員的成績進行了比較。

單圈時間表示連續(xù)三圈熱火中達到的最佳單圈時間和最佳平均時間。如下圖a所示，Swift不僅平均單圈時間更快，平均三圈時間也更穩(wěn)定。

正面交鋒的結(jié)果則如下圖b所示，在與A.Vanover的9場比賽中，Swift贏了5場；在與T.Bitmatta的7場比賽中，Swift贏了4場；在與M.Schaepper的9場比賽中，Swift贏了6場。

研究人員解釋，在Swift輸?shù)舻?0場比賽中，40%是因為與對手發(fā)生碰撞，40%是因為與閘門發(fā)生碰撞，20%是因為無人機的速度比人類飛行員慢。

總的來說，Swift在與人類飛行員的比賽中獲勝最多。Swift還取得了最快的比賽時間記錄，比人類飛行員（A.Vanover）的最佳時間領先半秒。

圖片

研究人員分析了Swift和每個人類飛行員飛行的最快圈速。

從整體上看，Swift比所有人類飛行員都要快，但它在賽道的所有單個賽段上的速度并不快。

在起跑時，Swift的反應時間較短，平均比人類飛行員早120毫秒從領獎臺起飛。并且它的加速更快，進入第一個閘門時的速度更高。

如下圖c、d所示，在急轉(zhuǎn)彎時，Swift的機動更緊湊。

研究人員推測，造成這一結(jié)果的原因是Swift在選擇軌跡時的時間更長。

因為它可以根據(jù)價值函數(shù)來優(yōu)化長期回報，而人類飛行員最多預測一個未來，所以規(guī)劃的時間尺度更短。

在下圖b，d中可以看到，人類飛行員在動作開始和結(jié)束時速度較快，但總體速度較慢。

同時，與人類相比，Swift在執(zhí)行某些機動動作時也能依靠其他線索，例如慣性數(shù)據(jù)和針對周圍環(huán)境特征的視覺里程測量。

這些都幫助了自主無人機在比賽中實現(xiàn)了最高的平均速度、最短的賽線，并在整個比賽過程中設法將飛機保持在更接近其驅(qū)動極限的狀態(tài)。

圖片

討論

研究人員開發(fā)的這個自主控制系統(tǒng)，能夠在FPV無人機競速中實現(xiàn)冠軍級別的表現(xiàn)，甚至在某些情況下超越人類世界冠軍。

這個系統(tǒng)相對于人類選手具有一定的結(jié)構(gòu)優(yōu)勢。

首先，它利用了來自機載慣性測量單元（IMU）的慣性數(shù)據(jù)。這類似于人類前庭系統(tǒng)（vestibular system），但人類選手沒有辦法使用自身的這個系統(tǒng)，因為他們沒有乘坐在飛行器內(nèi)部，無法親身感受到飛行器的加速度。

其次，Swift系統(tǒng)具有更低的感覺運動延遲（Swift為40毫秒，而專業(yè)人類選手平均為220毫秒）。另一方面，Swift使用的攝像頭刷新率有限（30赫茲），相比之下，人類飛行員的攝像頭刷新率快了四倍（120赫茲），從而提高了他們的反應時間。

人類飛行員的適應能力非常強：無人機全速出事故墜落后，如果硬件仍然正常工作，他們還能繼續(xù)飛行并完成賽道。而Swift不具備出事故墜毀后恢復比賽能力。

圖片

人類飛行員還能夠適應環(huán)境條件的變化，比如會顯著改變賽道外觀的光照變化等。

Swift的感知系統(tǒng)假設比賽環(huán)境的外觀與訓練時觀察到的是完全一致的。如果環(huán)境發(fā)生了變化，系統(tǒng)可能會無法工作。

不過可以通過在各種條件下訓練門探測器和殘余觀測模型（residual observation model）來提供對于比賽環(huán)境變化的適應能力。

盡管研究人員研發(fā)的系統(tǒng)還存在一些限制和待解決的工作，但一個自主移動機器人能夠達到體育項目中世界冠軍級別的表現(xiàn)是機器人技術和AI領域的一個重要里程碑。

這項工作可能會激發(fā)在其他物理系統(tǒng)（自動駕駛車輛、飛行器和機器人等）中部署基于混合學習的解決方案，從而在更加廣泛的應用領域發(fā)揮更大的作用。

方法

訓練算法

訓練是使用近端策略優(yōu)化（Proximal Policy Optimization，PPO）方法進行的。這種actor-critic方法在訓練期間需要同時優(yōu)化兩個神經(jīng)網(wǎng)絡：策略網(wǎng)絡（將觀測映射到動作）和值網(wǎng)絡（作為「critic」評估策略采取的動作）。

經(jīng)過訓練后，只有策略網(wǎng)絡被部署到無人機上。

觀察、行動和獎勵

在時間t從環(huán)境中獲得的觀測值????∈?31包括：

（1）當前機器人狀態(tài)的估計；

（2）下一個需要通過的賽道上的門的相對姿態(tài)；

（3）上一步中施加的動作。具體而言，機器人狀態(tài)的估計包括平臺的位置、速度和姿態(tài)，姿態(tài)由旋轉(zhuǎn)矩陣表示，從而形成一個?15中的向量。

雖然仿真內(nèi)部使用四元數(shù)，但研究人員使用旋轉(zhuǎn)矩陣表示姿態(tài)，以避免歧義。

下一個門的相對姿態(tài)通過提供四個門角相對于車輛的位置來編碼，從而得到一個?12中的向量。

所有觀測值在傳遞給網(wǎng)絡之前都經(jīng)過歸一化（normalized）處理。由于值網(wǎng)絡僅在訓練時使用，它可以訪問有關環(huán)境的特權信息，這些信息對策略網(wǎng)絡是不可訪問的。

這些特權信息（privileged information）與策略網(wǎng)絡的其他輸入連接在一起，包含了機器人的確切位置、方向和速度信息。

訓練細節(jié)

數(shù)據(jù)收集是通過同時模擬100個代理與環(huán)境進行交互，每個代理在1500個步驟的episode中與環(huán)境交互來完成的。

在每次環(huán)境重置時，每個代理都會在賽道上的隨機門處進行初始化，代理的狀態(tài)在經(jīng)過該門時先前觀察到，并且在其周圍進行有界擾動。與之前的研究不同，研究人員在訓練時不對平臺動態(tài)進行隨機化。相反，他們根據(jù)真實世界數(shù)據(jù)進行微調(diào)。

訓練環(huán)境使用TensorFlow Agents實現(xiàn)。策略網(wǎng)絡和值網(wǎng)絡都由兩層感知器表示，每層有128個節(jié)點，并且使用帶有負斜率為0.2的Leaky ReLU激活函數(shù)。網(wǎng)絡參數(shù)使用Adam優(yōu)化器進行優(yōu)化，策略網(wǎng)絡和值網(wǎng)絡的學習率都為3×10^-4。

研究人員根據(jù)在現(xiàn)實世界中收集到的少量數(shù)據(jù)對原始策略進行微調(diào)。

具體來說，他們在現(xiàn)實世界中進行了三次完整的試驗，相當于約50秒的飛行時間。

研究人員通過識別殘余觀測和殘余動態(tài)來對策略進行微調(diào)，然后將這些信息用于在模擬中進行訓練。在這個微調(diào)階段，只有控制策略的權重會被更新，門探測網(wǎng)絡的權重保持不變。

殘差觀測模型

高速移動會導致明顯的運動模糊，這可能導致跟蹤的視覺特征丟失和線性里程計估計的嚴重漂移。

研究人員通過在現(xiàn)實世界中僅進行少數(shù)試驗來確定的里程計模型對策略進行微調(diào)。

為了模擬里程計中的漂移，他們使用高斯過程，因為它們允許擬合里程計擾動的后驗分布，從中可以采樣出具有時間一致性的實現(xiàn)。

具體來說，高斯過程模型將殘余位置、速度和姿態(tài)作為地面實際機器人狀態(tài)的函數(shù)進行擬合。

觀測殘差是通過將真實世界中的試驗期間觀察到的視覺慣性里程計（VIO）估計與外部運動跟蹤系統(tǒng)獲得的地面實際平臺狀態(tài)進行比較而確定的。

無人機硬件配置

人類飛行員和Swift使用的四旋翼飛行器具有相同的重量、形狀和推進力。但由人類駕駛的無人機既不攜帶Jetson計算機，也不攜帶RealSense攝像頭，而是配備了相應的壓艙物。

1. 無人機機架

底座采用Armattan Chameleon 6英寸的主機架，配備了T-Motor Velox2306電機，以及5英寸3葉螺旋槳。

2. 計算平臺

使用英偉達Jetson TX2和ConnectTech Quasar載板為自主無人機提供了主要計算資源，集成了6核CPU和256核GPU。

3. 攝像頭

搭載了英特爾Real Sense跟蹤攝像頭T265，可通過USB向英偉達Jetson TX2提供100Hz的VIO估計值。

4. 飛行控制器

使用STM32處理器運行Betaflight軟件（一款開源的飛行控制軟件）來控制無人機。

5. 重量

整體無人機重量為870克，可產(chǎn)生約35牛頓的最大靜態(tài)推力，靜態(tài)推力重量比為4.1。

人類飛行員評價

與Swift比賽的三位人類冠軍都談了談和無人機比賽的感受：

Alex Vanover：

「比賽的勝負將在SplitS（指賽道上的一種飛行動作）時決定，這是賽道上最具挑戰(zhàn)性的部分。」

「這是我最精彩的比賽！我離無人機如此之近，在試圖跟上它時，我甚至能真切地感受到空氣的亂流。」

Thomas Bitmatta：

「AI的可能性是無限的，這可能改變整個世界的開始。但作為一名賽手，我不希望有任何東西比我更快。」

「無人機AI很快就會成為一種訓練工具，讓我們了解到人類的極限：隨著飛得更快，你會以精確度為代價來換取速度。但這也激發(fā)人們?nèi)ニ伎紵o人機真正能做到的事情。」

Marvin Schaepper：

「與機器比賽的感覺很不一樣，因為你知道機器不會感到疲勞。」

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