Un drone IA à grande vitesse dépasse les champions du monde de course de drones

Vous souvenez-vous de la victoire de Deep Blue d’IBM contre Gary Kasparov aux échecs en 1996, ou de l’AlphaGo de Google qui a écrasé le grand champion Lee Sedol au Go, un jeu beaucoup plus complexe, en 2016 ? Ces compétitions où les machines l’ont emporté sur les champions humains constituent des étapes clés dans l’histoire de l’intelligence artificielle. Aujourd’hui, un groupe de chercheurs de l’Université de Zurich et d’Intel ont franchi une nouvelle étape avec le premier système autonome capable de battre des champions humains dans un sport physique : les courses de drones.

Le système d’IA, appelé Swift, a remporté plusieurs courses contre trois champions de classe mondiale dans les courses de drones en vue à la première personne (FPV), où les pilotes pilotent des quadricoptères à des vitesses supérieures à 100 km/h, les contrôlant à distance tout en portant un casque relié à un système embarqué. caméra.

Apprendre en interagissant avec le monde physique

« Les sports physiques sont plus difficiles pour l’IA car ils sont moins prévisibles que les jeux de société ou les jeux vidéo. Nous n’avons pas une parfaite connaissance des modèles de drones et d’environnement, l’IA doit donc les apprendre en interagissant avec le monde physique », explique Davide Scaramuzza, responsable du groupe Robotique et perception de l’Université de Zurich et nouveau capitaine de l’équipe de courses de drones.

Jusqu’à très récemment, les drones autonomes mettaient deux fois plus de temps que ceux pilotés par des humains pour survoler une piste de course, à moins qu’ils ne s’appuient sur un système de suivi de position externe pour contrôler avec précision leurs trajectoires. Swift réagit cependant en temps réel aux données collectées par une caméra embarquée, comme celle utilisée par les coureurs humains. Sa centrale inertielle intégrée mesure l’accélération et la vitesse tandis qu’un réseau de neurones artificiels utilise les données de la caméra pour localiser le drone dans l’espace et détecter les portes le long du circuit. Ces informations sont transmises à une unité de contrôle, également basée sur un réseau neuronal profond qui choisit la meilleure action pour terminer le circuit le plus rapidement possible.

Formation dans un environnement de simulation optimisé

Swift a été formé dans un environnement simulé où il a appris à voler par essais et erreurs, en utilisant un type d’apprentissage automatique appelé apprentissage par renforcement. L’utilisation de la simulation a permis d’éviter la destruction de plusieurs drones dès les premiers stades de l’apprentissage, lorsque le système plante souvent. « Pour nous assurer que les conséquences des actions dans le simulateur étaient aussi proches que possible de celles du monde réel, nous avons conçu une méthode permettant d’optimiser le simulateur avec des données réelles », explique Elia Kaufmann, premier auteur de l’article.

Dans cette phase, le drone volait de manière autonome grâce à des positions très précises fournies par un système de suivi de position externe, tout en enregistrant les données de sa caméra. De cette façon, il a appris à corriger automatiquement les erreurs commises en interprétant les données des capteurs embarqués.

Les pilotes humains s’adaptent toujours mieux aux conditions changeantes

Après un mois de temps de vol simulé, ce qui correspond à moins d’une heure sur un ordinateur de bureau, Swift était prêt à défier ses concurrents humains : le champion de la Drone Racing League 2019 Alex Vanover, le champion du MultiGP Drone Racing 2019 Thomas Bitmatta et trois- fois champion suisse Marvin Schaepper. Les courses se sont déroulées du 5 au 13 juin 2022, sur une piste spécialement construite dans un hangar de l’aéroport de Dübendorf, près de Zurich.

La piste couvrait une superficie de 25 mètres sur 25, avec sept portes carrées qu’il fallait franchir dans le bon ordre pour terminer un tour, y compris des manœuvres difficiles, notamment un Split-S, une fonction acrobatique qui consiste à faire rouler à moitié le drone et à exécuter une demi-boucle descendante à pleine vitesse.

Au total, Swift a réalisé le tour le plus rapide, avec une demi-seconde d’avance sur le meilleur tour réalisé par un pilote humain. D’un autre côté, les pilotes humains se sont révélés plus adaptables que le drone autonome, qui échouait lorsque les conditions étaient différentes de celles pour lesquelles il avait été entraîné, par exemple s’il y avait trop de lumière dans la pièce.

Repousser les limites du vol autonome est important bien au-delà des courses de drones, note Scaramuzza. « Les drones ont une capacité de batterie limitée ; ils ont besoin de la majeure partie de leur énergie simplement pour rester en vol. Ainsi, en volant plus vite, nous augmentons leur utilité. »

Dans des applications telles que la surveillance des forêts ou l’exploration spatiale, par exemple, voler vite est important pour couvrir de grands espaces en un temps limité. Dans l’industrie cinématographique, des drones autonomes rapides pourraient être utilisés pour filmer des scènes d’action. Et la capacité de voler à grande vitesse pourrait faire une énorme différence pour les drones de sauvetage envoyés à l’intérieur d’un bâtiment en feu.

La recherche est publiée dans la revue Nature.