سریع‌ترین پهپاد مسابقه‌ای مجهز به هوش مصنوعی جهان از بهترین خلبانان هواپیماهای بدون سرنشین انسانی برتری دارد

یک پهپاد مجهز به هوش مصنوعی (AI) یک دوره مسابقه قهرمانی را سریعتر از برخی از بهترین خلبانان هواپیماهای بدون سرنشین انسان در جهان به پایان رسانده است.

در مطالعه‌ای که در 14 اکتبر در مجله Science Robotics منتشر شد، دانشمندان یک سیستم هوش مصنوعی ایجاد کردند که قادر بود یک کوادکوپتر را با سرعتی بیش از 60 مایل در ساعت (100 کیلومتر در ساعت) طی کند و با استفاده از کمی بیشتر از یک دوربین رو به جلو، یک واحد اندازه‌گیری اینرسی، و یک کامپیوتر کوچک درونی می‌تواند یک کوادکوپتر را طی کند.

این سیستم که MonoRace نام دارد، حتی در مسابقات مسابقات اتومبیلرانی هواپیماهای بدون سرنشین لیگ اتومبیلرانی خودمختار ابوظبی 2025 برنده شد و از هر تیم خودران رقیب پیشی گرفت و زمان‌های سریع‌تری نسبت به سه خلبان سابق هواپیماهای بدون سرنشین قهرمان جهان داشت.

MonoRace این کار را بدون کمک جی‌پی‌اس، سیستم‌های ضبط حرکت خارجی، دوربین‌های استریو یا نقشه از پیش بارگذاری‌شده دوره انجام داد. این سیستم یک مدل پرواز خودمختار است که توسط محققان آزمایشگاه وسایل نقلیه هوایی میکرو در دانشگاه فناوری دلفت در هلند ایجاد شده است. نام آن نشان دهنده ویژگی طراحی مرکزی آن است. "مونو" به دید تک چشمی آن اشاره دارد. این پهپاد به یک دوربین شاتر نوردی تکیه دارد و حرکت خود را با یک واحد اندازه‌گیری داخلی (IMU) که ​​شتاب و چرخش را اندازه‌گیری می‌کند، نظارت می‌کند.

پرواز با سرعت سرسام آور

بسته حسگر محدود یک شبکه عصبی را تغذیه می کند، یک مدل یادگیری ماشینی که از نورون های مصنوعی به هم پیوسته برای یادگیری الگوها از داده ها استفاده می کند. این شبکه عصبی دروازه‌های مسابقه را شناسایی می‌کند و موقعیت و حرکت پهپاد را برای تولید فرمان‌های موتور تخمین می‌زند. سپس دستورات را با سرعت 500 بار در ثانیه از طریق کنترلر پرواز پهپاد به چهار ملخ ارسال می کند.

این سیستم برای یک پهپاد با وزن 966 گرم (2.13 پوند) و ابعاد تقریبا 11.8 در 11 در 3.9 اینچ (30 در 28 در 10 سانتی متر) مناسب است. از آنجایی که سخت افزار MonoRace بسیار فشرده، سبک و از نظر محاسباتی کارآمد بود، تیم توانست آن را به طور کامل روی پهپاد کار کند.

در کورس ابوظبی، MonoRace دو دور دور یازده دروازه را در 16.56 ثانیه طی کرد و حداکثر سرعت تقریبا 63 مایل در ساعت (102 کیلومتر در ساعت) را ثبت کرد.

ویدئویی که اخیرا منتشر شده است، پیشرفت و عملکرد MonoRace را در رقابت‌ها دنبال می‌کند، با سکانس‌های پرواز واقعی که نشان می‌دهد چگونه پهپاد به‌شدت از بین می‌رود، از دروازه‌ها شتاب می‌گیرد و مسیری را بدون کمک انسانی طی می‌کند.

با این حال، برخی از دنباله ها توسط کامپیوتر تولید می شوند. یکی از نویسندگان این مطالعه، Guido de Croon، استاد دانشگاه صنعتی دلفت، گفت که اینها جلوه های بصری عمدی هستند. تنها تصویر کاملا شبیه‌سازی شده در حدود دو دقیقه، در طول قسمتی که فرآیند آموزش را نشان می‌دهد، ظاهر می‌شود.

د کرون در ایمیلی به Live Science گفت: «در اینجا ما دروازه‌ها را در یک شبیه‌ساز بصری برای ویدیو نشان می‌دهیم، اما آموزش واقعی در یک شبیه‌ساز فیزیک خالص و خالص اتفاق افتاد که واقعا سریع کار می‌کرد. شبیه‌سازی بینایی در طول آموزش انجام نشد، زیرا شبکه عصبی کنترل یک حالت تخمینی را به عنوان ورودی دریافت می‌کند که از یک درک متفاوت و فرآیند تخمین حالت ناشی می‌شود.

بقیه فیلم‌ها واقعی هستند، اگرچه برخی عکس‌ها شامل پوشش‌هایی هستند که نشان می‌دهند چگونه پهپاد فید دوربین خود را تفسیر می‌کند. یک شبکه عصبی کانولوشن، دروازه‌های سفید را تقسیم می‌کند، و گاهی اوقات آنها را به صورت قرمز در تصویر معمولی دوربین نشان می‌دهد. دایره‌های کوچک گوشه‌های دروازه شناسایی‌شده را علامت‌گذاری می‌کنند، خطوط قرمز لبه‌های دروازه را نشان می‌دهند و یک پوشش آبی بخشی از تصویر را نشان می‌دهد که پهپاد انتظار دارد دروازه بعدی را پیدا کند.

هوش مصنوعی چگونه مسابقه دادن را یاد گرفت

دانشمندان مدل MonoRace را با یادگیری تقویتی آموزش دادند، یک روش یادگیری ماشینی که در آن یک عامل به طور مکرر یک کار را انجام می دهد و بازخوردی را بر اساس موفقیت یا شکست آن دریافت می کند.

د کرون گفت: "یادگیری تقویتی در شبیه سازی اجرا شد، زیرا به آزمون و خطاهای زیادی نیاز دارد - مانند میلیون ها تلاش." "در واقع پرواز از ابتدا را یاد می گیرد."

شبکه یاد گرفت که موقعیت پهپاد در مسیر، سرعت و جهت گیری را مستقیما به دستورات موتور ترجمه کند. به گفته د کرون، آموزش اولیه بر روی اصول اولیه مانند اجتناب از تصادف و رسیدن به دروازه اول متمرکز بود. با پیشرفت آموزش، سیستم یاد گرفت که در طول دوره بیشتر پیشروی کند و با سرعت های بالاتر پرواز کند.

محققان این سیستم را روی یک هواپیما آموزش ندادند. در عوض، ابعاد مختلف مانند وزن، ولتاژ، کشش، نویز حسگر و وضعیت پروانه را تغییر دادند تا مدل هوش مصنوعی بتواند با تغییرات و نواقص دنیای واقعی کنار بیاید.

د کرون گفت: "این تضمین می کند که شبکه آموزش دیده می تواند پهپادهای مختلف را کنترل کند."

داستان های مرتبط

پهپادها می توانند پس از ایجاد سیستم برق بی سیم مبتنی بر لیزر که آنها را از زمین شارژ می کند، به پرواز بی نهایت دست پیدا کنند.

در «فرمول یک آسمان» جدید چهار ماشین پرنده را تماشا کنید

با Phantom Twist آشنا شوید، یک پهپاد جدید مخفیانه که با فریب دادن چشمان شما در معرض دید پنهان می شود.

د کرون گفت: MonoRace می تواند به یک ابزار آموزشی برای خلبانان هواپیماهای بدون سرنشین انسانی تبدیل شود، "تقریبا برنامه های قدرتمند شطرنج نیز الهام بخش انسان هایی است که این بازی را انجام می دهند."

اهمیت گسترده‌تر آن در نشان دادن پیشرفت‌ها در هوش مصنوعی فیزیکی است، به‌ویژه اینکه چگونه یک ربات می‌تواند با وجود محدودیت حسی و قدرت محاسباتی با سرعت‌های بالا درک کند، تصمیم بگیرد و عمل کند. شبکه کنترل بر روی یک تراشه کلاس میکروکنترلر اجرا می شود، به این معنی که کنترل پیچیده به یک کامپیوتر بزرگ نیاز ندارد.

دی کرون خاطرنشان کرد که یک شبکه با اندازه مشابه می تواند برای حداقل مصرف انرژی به جای حداقل زمان دور زدن بهینه شود. او گفت از آنجایی که بیشتر ماشین‌ها به پردازنده‌های کوچک و کنترل‌کننده‌های معمولی متکی هستند، کنترل عصبی بهینه انرژی می‌تواند در نهایت مصرف انرژی را در روباتیک روزمره کاهش دهد.