还记得 1996 年 IBM 的深蓝 (Deep Blue) 在国际象棋比赛中降服加里·卡斯帕罗夫 (Gary Kasparov)，或者 2016 年谷歌的 AlphaGo 在围棋这一更为繁芜的游戏中击败了顶级冠军李世石 (Lee Sedol) 吗？这些机器降服人类冠军的比赛是人工智能历史上的主要里程碑。
现在，苏黎世大学和英特尔的一组研究职员创造了一个新的里程碑，推出了第一个能够在无人机竞赛等体育运动中击败人类冠军的自主系统。

名为 Swift 的人工智能系统在第一人称视角 (FPV) 无人机竞赛中赢得了与三名天下级冠军的多场比赛，翱翔员以超过 100 公里/小时的速率驾驶四轴翱翔器，同时佩戴与机载连接的耳机远程掌握它们 相机。

通过与物理天下互动来学习

“体育运动对人工智能来说更具寻衅性，由于它们比棋盘游戏或***游戏更难预测。
我们对无人机和环境模型没有完美的理解，因此人工智能须要通过与物理天下的交互来学习它们，”苏黎世大学机器人和感知小组的卖力人 Davide Scaramuzza 说道。
他是无人机竞速队队长。

直到最近，自主无人机飞过跑道所需的韶光是人类驾驶无人机的两倍，除非它们依赖外部位置跟踪系统来精确掌握其轨迹。
然而，斯威夫特对机载摄像头网络的数据做出实时反应，就像人类赛车手利用的那样。
其集成惯性丈量单元可丈量加速度和速率，而人工神经网络则利用摄像头的数据来定位无人机在太空中的位置并检测赛道上的大门。
该信息被馈送到掌握单元，该掌握单元也基于深度神经网络，该网络选择最佳动作以尽快完成电路。

在优化的仿照环境中进行培训

Swift 在仿照环境中接管演习，通过反复试验自学翱翔，利用一种称为强化学习的机器学习。
仿照的利用有助于避免在系统常常崩溃的学习早期阶段摧毁多架无人机。
“为了确保仿照器中动作的结果尽可能靠近现实天下中的结果，我们设计了一种利用真实数据优化仿照器的方法，”该论文的第一作者 Elia Kaufmann 说。
在此阶段，得益于外部位置跟踪系统供应的非常精确的位置，无人机可以自主翱翔，同时还记录来自摄像机的数据。
通过这种办法，它学会了自动纠正在阐明来自机载传感器的数据时产生的缺点。

人类翱翔员仍能更好地适应不断变革的条件

经由一个月的仿照翱翔韶光（相称于台式电脑上不到一个小时），Swift 已准备好寻衅其人类竞争对手：2019 年无人机竞速同盟冠军 Alex Vanover、2019 年 MultiGP 无人机竞速冠军 Thomas Bitmatta 和三位—— 次瑞士冠军马文·谢珀 (Marvin Schaepper)。
比赛于 2022 年 6 月 5 日至 13 日期间在苏黎世附近杜本多夫机场机库的专用赛道上举行。
赛道面积为 25 x 25 米，有七个方形大门，必须按照精确的顺序通过才能完成一圈，个中包括具有寻衅性的动作，包括 Split-S，这是一种须要将无人机半滚动并实行操作的杂技动作 全速低落的半环。

总体而言，Swift取得了最快圈速，比人类翱翔员的最佳圈速领先半秒。
另一方面，事实证明，人类翱翔员比自主无人机更具适应性，当条件与演习目的不同时，例如房间内光芒过多，自主无人机就会失落败。

斯卡拉穆扎指出，寻衅自主翱翔的极限比无人机竞赛更主要。
“无人机的电池容量有限；他们须要大部分能量才能保持在空中。
因此，通过飞得更快，我们可以增加它们的效用。
” 例如，在森林监测或太空探索等运用中，快速翱翔对付在有限的韶光内覆盖大片空间非常主要。
在电影行业，快速的自主无人机可用于拍摄动作场景。
高速翱翔的能力可能会对被派往着火建筑物内的接济无人机产生巨大影响。