En una competición revolucionaria, un sistema de inteligencia artificial (IA) llamado Swift demostró su destreza en las carreras al competir contra pilotos humanos de drones. El deporte, conocido como carreras en primera persona (FPV, por sus siglas en inglés), implica que los humanos utilicen cascos de realidad virtual para controlar sus drones a través de cámaras a bordo. El desafío para la IA radica en la naturaleza impredecible de los deportes físicos, que requieren que la IA aprenda los modelos de los drones y del entorno interactuando con el mundo físico.
Swift fue entrenado en un entorno simulado utilizando el aprendizaje profundo por refuerzo, donde se enseñó a volar a sí mismo a través de ensayo y error. El uso de la simulación fue crucial para evitar dañar múltiples drones durante el proceso de aprendizaje. Para asegurarse de que las acciones simuladas se asemejaran de cerca a las consecuencias del mundo real, los investigadores optimizaron el simulador con datos reales.
El proceso de entrenamiento también involucró volar un drone real de forma automática e incorporar los datos recopilados de la cámara a bordo y la unidad de medición inercial (IMU, por sus siglas en inglés). Además, se incluyó información adicional de un sistema externo de seguimiento de posición en el proceso de aprendizaje. Los investigadores diseñaron una pista de 75 metros de largo con siete puertas cuadradas para las carreras, y los drones debían pasar por estas puertas para completar tres vueltas.
La competición tuvo lugar en 2022 y enfrentó a Swift contra tres pilotos humanos altamente capacitados: Alex Vanover, campeón mundial de la Drone Racing League 2019; Thomas Bitmatta, campeón del mundo de la MultiGP International Open en dos ocasiones; y Marvin Schaepper, campeón nacional suizo en tres ocasiones. En cada carrera, un drone era controlado por un humano y el otro por la IA.
Aunque Swift perdió algunas carreras, emergió como el ganador definitivo, demostrando sus capacidades en las carreras de drones. Incluso logró el tiempo de vuelta más rápido, superando el mejor tiempo humano por medio segundo. Sin embargo, la IA mostró una falta de adaptabilidad cuando las condiciones de carrera eran diferentes a su entorno de entrenamiento. Por ejemplo, tuvo dificultades bajo diferentes condiciones de iluminación.
El sistema de IA Swift, junto con su sistema de percepción y política de control, se detalla en el artículo de Nature ‘Champion-level drone racing using deep reinforcement learning’. La investigación demuestra el potencial de la IA en deportes físicos complejos y resalta la importancia del entrenamiento y la adaptabilidad para los sistemas autónomos.
Fuentes:
– Zurich University of Applied Sciences
– Nature
