Мир гонок на дронах настиг собственный «Deep Blue-момент»: автономная ИИ-система под названием Swift впервые обошла профессиональных пилотов, продемонстрировав невероятную точность и динамику полёта беспилотника.

Если вам когда-либо доводилось наблюдать гонки дронов на профессиональном уровне, вы имеете представление о том, какой скорости, точности реагирования и динамического контроля требуют подобные занятия. Современный дрон-рейсинг не уступает по зрелищности гонкам Формулы-1 или Isle of Man TT, и зрителей непрестанно поражают возможности человеческого мозга, способного за доли секунд просчитывать варианты развития событий и реагировать на них в режиме реального времени. Много лет назад Deep Blue впервые продемонстрировал своё превосходство над человеком в мире шахмат, а в 2016 году программа AlphaGo сокрушила конкурентов и в игре в го. В подобных играх, основывающихся на детальном продумывании стратегии, преимущество ИИ давала способность компьютера одновременно удерживать «в голове» миллионы состоявшихся партий и миллионы потенциальных шагов, принимая наиболее выгодные решения.

Теперь же впервые ИИ удалось победить людей в реальном физическом спорте, в котором нет времени на всеобъемлющий анализ ситуации и принятие взвешенный решений. Исследователи из Цюрихского университета и компании Intel разработали ИИ-систему Swift, которая победила в дрон-рейсинге двух мировых чемпионов и одного трёхкратного чемпиона Швейцарии, заодно установив рекорд по времени прохождения трассы. Искусственный интеллект использовал одну бортовую камеру беспилотника, идентичную камерам, используемым пилотами FPV-дронов, чтобы видеть окружающее пространство и препятствия. Впрочем, у Swift было одно существенное преимущество перед людьми: ИИ-система в режиме реального времени считывала данные с бортового гиростабилизатора для получения максимально точных данных о скорости, ускорении и положении дрона в пространстве.

 Благодаря комбинации этих инструментов ИИ Swift быстро выучил довольно сложную и тесную 3D-трассу, а также освоил серию фигур пилотажа, проводя виртуальные симуляции с сотнями переменных в режиме реального времени. Имея информацию о треке, ИИ-система «прогоняла» множество виртуальных дронов по симуляции трассы, а затем выбирала наиболее оптимальные – и быстрые – пути её прохождения. Весь процесс изучения, анализа и симуляции гонки занял менее часа, однако результат Swift был сопоставим с итогами многомесячной тренировки с одним реальным беспилотником. К слову, система также учитывала данные, получаемые не только во время симуляций, но также в процессе реальных полётов, принимая во внимание такие моменты, как участки турбулентности, деградацию визуального сигнала и прочие факторы, которые отличают полёты в реальном мире от идеальной симуляции.

В итоге управляемый Swift беспилотник без толики сомнения выполнял более рискованные манёвры, просчитывая их до миллиметра, тем самым выигрывая у конкурентов драгоценные доли секунд. Так, ИИ установил рекорд прохождения круга, на целых пол секунды превзойдя лучший результат пилота-человека. Впрочем, учёные подчёркивают, что люди всё же сохраняют превосходство над ИИ в ситуациях, требующих быстрой адаптации к изменяемым условиям полёта. Например, когда солнечный свет залили ангар, в котором размещался гоночный трек, управляемый искусственным интеллектом беспилотник сошёл с трассы, поскольку система не была обучена для полётов в таких условиях. Исследователи не исключают, что дальнейшая тренировка системы Swift позволит компенсировать подобные моменты. Однако этот момент отображает простую правду: человеческий мозг гораздо лучше ИИ адаптируется к динамическому изменению обстоятельств.