سیستم پهپاد کنترل شده با هوش مصنوعی سه خلبان حرفه‌ای را شکست میدهد!

به گزارش مجله خبری نگار، با کنار گذاشتن نگرانی‌های اخلاقی و زیست محیطی در مورد هوش مصنوعی و نگرانی‌های پهپاد‌های بدون سرنشین، می‌توانیم از این آخرین شاهکار شگفت زده شویم که طی آن یک سیستم پهپاد کنترل شده با هوش مصنوعی توانست سه خلبان حرفه‌ای را در یک سری مسابقات رودررو شکست دهد.

سوئیفت نام سیستم خودگردانی است که در ۱۵ مسابقه از ۲۵ مسابقه، در مسیری پر از پیچ‌های گسترده و محور‌های سخت طراحی شده توسط یک خلبان حرفه‌ای در مسابقات هواپیما‌های بدون سرنشین، از خلبانان انسانی قهرمان جهان پیشی گرفت. این سیستم الگوریتم‌های یادگیری هوش مصنوعی را با یک دوربین و حسگر‌های داخلی ترکیب می‌کند که محیط اطراف و حرکت پهپاد را تشخیص می‌دهد.

این سیستم توسط الیا کافمن (Elia Kaufmann) مهندس رباتیک دانشگاه زوریخ و محققان آزمایشگاه اینتل طراحی شد که می‌خواستند سیستمی را طراحی کنند که به ورودی‌های دوربین‌های حرکتی خارجی، مانند پهپاد‌های مسابقه‌ای خودمختار قبلی، متکی نباشد.

کافمن و همکارانش می‌گویند: دستیابی به سطح خلبانان حرفه‌ای با یک پهپاد مستقل چالش برانگیز است، زیرا ربات باید در محدوده فیزیکی خود پرواز کند و در عین حال سرعت و موقعیت خود را در مدار منحصراً از روی حسگر‌های داخل هواپیما تخمین بزند.

خلبانان مسابقه هواپیما‌های بدون سرنشین از هدست‌هایی استفاده می‌کنند که از طریق دوربین متصل به پهپاد که می‌تواند به سرعت ۱۰۰ کیلومتر در ساعت برسد، دید اول شخص را به آن‌ها می‌دهد.

به همین ترتیب، سوئیفت یک دوربین داخلی و یک سنسور اینرسی برای اندازه گیری شتاب و چرخش پهپاد دارد. به گزارش سیناپرس، داده‌هایی که دو الگوریتم هوش مصنوعی دریافت می‌کنند تا موقعیت پهپاد را نسبت به دروازه‌های مربعی روی مسیر موانع مثلث بندی کنند و بر این اساس دستورات کنترلی را تولید کنند.

اگرچه سوئیفت ۴۰ درصد از مسابقات را از دست داد، اما سوئیفت توانست چندین بار هر خلبان انسانی را شکست داده و سریع‌ترین زمان ثبت شده مسابقه را ثبت کند.

کافمن و همکارانش گزارش می‌دهند: به طور کلی، با میانگین گیری در کل مسیر، پهپاد خودران به بالاترین میانگین سرعت می‌رسد چراکه کوتاه‌ترین خط مسابقه را پیدا کرده و موفق می‌شود هواپیما را در طول مسابقه نزدیک‌تر به محدودیت‌های حرکت خود نگه دارد.

مانند خلبانان انسانی که یک هفته به آن‌ها فرصت داده شد تا در پیست تمرین کنند، سوئیفت در شبیه سازی مسیر مسابقه آموزش دید و الگوریتم یادگیری عمیق مسیر‌های ممکن را از طریق هفت دروازه پیست برای یافتن مسیر‌های سریعتر و سریعتر کاوش کرد. به گفته محققان با بهینه سازی و ترسیم دستورات کنترلی، سوئیفت می‌تواند ورودی‌های بصری را در طول مسیر در چند مرحله آزمایشی پردازش کند.

پژوهشگران توضیح می‌دهند که تفاوت‌های کوچکی که بین شبیه سازی و واقعیت باقی می‌ماند توسط یک شبکه عصبی برای بهبود شبیه سازی و اصلاح استراتژی سیستم آموخته می‌شود.

کافمن در پایان می‌گوید: با توجه به اینکه پهپاد‌ها اطلاعات حسی را سریع‌تر از خلبان‌های انسانی که به تصاویر تأخیری تکیه می‌کنند، به دست می‌آورند، بدون شک پهپاد‌های خود مختار در نهایت انسان‌ها را در این شرایط سخت نیز شکست خواهند داد.

شرح کامل این مطالعه جذاب در مجله Nature منتشر شده است.