Défi relevé : Un drone à grande vitesse piloté par IA bat les champions du monde de course de drones
Défi relevé : Un drone à grande vitesse piloté par IA bat les champions du monde de course de drones.
Le système d'intelligence artificielle "Swift", conçu par des chercheurs de l'UZH, a battu les champions du monde de course de drones. Un résultat qui semblait inaccessible il y a encore quelques années, ce qui constitue une étape importante pour l'intelligence artificielle (IA). Le drone piloté par l'IA a été entraîné dans un environnement simulé. Les applications réelles comprennent la surveillance de l'environnement ou les interventions en cas de catastrophe.
Vous souvenez-vous de la victoire de Deep Blue d'IBM sur Gary Kasparov aux échecs en 1996, ou de l'écrasement par AlphaGo de Google du 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 sont des étapes clés dans l'histoire de l'intelligence artificielle. Aujourd'hui, un groupe de chercheurs de l'université de Zurich et d'Intel a posé un nouveau jalon en créant le premier système autonome capable de battre des champions humains dans un sport physique : la course de drones.
Le système d'IA, appelé Swift, a remporté plusieurs courses contre trois champions de classe mondiale dans une course de drones avec vue à la première personne (FPV), où les pilotes pilotent des quadcoptères à des vitesses supérieures à 100 km/h, en les contrôlant à distance tout en portant un casque relié à une caméra embarquée.
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 connaissance parfaite des modèles de drone et d'environnement, l'IA doit donc les apprendre en interagissant avec le monde physique", explique Davide Scaramuzza, directeur du groupe Robotique et Perception de l'université de Zurich, et tout nouveau capitaine de l'équipe de course de drones.
Jusqu'à très récemment, les drones autonomes mettaient deux fois plus de temps que ceux pilotés par des humains pour parcourir une piste de course, à moins qu'ils ne s'appuient sur un système externe de suivi de la position pour contrôler précisément leur trajectoire. Swift, quant à lui, réagit en temps réel aux données recueillies par une caméra embarquée, comme celle utilisée par les coureurs humains. Son unité de mesure inertielle intégrée mesure l'accélération et la vitesse, tandis qu'un réseau neuronal artificiel utilise les données de la caméra pour localiser le drone dans l'espace et détecter les portes le long de la piste de course. 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 entraîné 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 au cours des premières étapes de l'apprentissage, lorsque le système tombe souvent en panne. "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 pour optimiser le simulateur avec des données réelles", explique Elia Kaufmann, premier auteur de l'article. Au cours de cette phase, le drone a volé 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. Il a ainsi appris à autocorriger les erreurs qu'il commettait en interprétant les données des capteurs embarqués.
Les pilotes humains s'adaptent encore mieux aux conditions changeantes
Après un mois de vol simulé, ce qui correspond à moins d'une heure sur un PC de bureau, Swift était prêt à défier ses concurrents humains : le champion 2019 de la Drone Racing League Alex Vanover, le champion 2019 de la MultiGP Drone Racing Thomas Bitmatta et le triple champion suisse Marvin Schaepper. Les courses se sont déroulées entre le 5 et le 13 juin 2022, sur une piste spécialement construite dans un hangar de l'aéroport de Dübendorf, près de Zurich. La piste couvrait une surface de 25 mètres sur 25, avec sept portes carrées qu'il fallait franchir dans le bon ordre pour effectuer un tour, y compris des manœuvres difficiles comme le Split-S, une acrobatie qui consiste à faire rouler le drone à moitié et à exécuter un demi-boucle en descente à pleine vitesse.
Dans l'ensemble, Swift a réalisé le tour le plus rapide, avec une demi-seconde d'avance sur le meilleur tour réalisé par un pilote humain. Par ailleurs, les pilotes humains se sont révélés plus adaptables que le drone autonome, qui a échoué 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.
Pousser 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 pour rester en l'air. En volant plus vite, nous augmentons donc leur utilité". Dans des applications telles que la surveillance des forêts ou l'exploration spatiale, par exemple, il est important de voler vite pour couvrir de vastes espaces en un temps limité. Dans l'industrie cinématographique, des drones autonomes rapides pourraient être utilisés pour tourner des scènes d'action. Enfin, 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.
Source : University of Zurich
Et vous ?
Pensez-vous que cette victoire de l'IA est crédible ?
Voir aussi :
Répondre avec citation
Partager