Aller au contenu principal
L’intelligence artificielle (IA) a fait des percées majeures dans divers domaines, de la résolution de jeux complexes à la reconnaissance d’images et à la traduction de langues. Cependant, une nouvelle étape cruciale a été franchie lorsque des chercheurs de l’université de Zurich ont introduit un drone autonome alimenté par l’IA, surnommé « Swift », qui a dépassé les champions humains lors de courses de drones en vue subjective (FPV).
IA contre les champions humains
Les courses de drones en vue subjective (FPV) sont parmi les compétitions les plus exigeantes au monde, mettant les pilotes au défi de manœuvrer à des vitesses dépassant 150 km/h sur des parcours truffés d’obstacles. L’élément immersif de ces courses, où les pilotes voient à travers les yeux du drone grâce à des lunettes spéciales, ajoute une complexité considérable.
Swift est un drone autonome mis au point par Elia Kaufmann et ses collègues de l’université de Zurich. Ce drone alimenté par l’IA a affronté trois champions humains de course de drones : Alex Vanover (champion 2019 de la Drone Racing League), Marvin Schäpper (champion 2021 de la Swiss Drone League) et Thomas Bitmatta (champion 2019 de la World Drone Cup). Il a remporté 15 courses sur 25 contre chacun d’eux. Il a également réalisé le meilleur temps sur le circuit de l’université de Zurich, battant le record humain d’une demi-seconde.
Pour comprendre la portée de cette réalisation, il est essentiel de comprendre les défis uniques posés par les courses de drones en FPV. Les pilotes doivent effectuer des manœuvres extrêmement serrées tout en prenant des décisions rapides. L’utilisation de lunettes leur offre une expérience immersive, mais exige également une coordination précise entre leur vision et les commandes du drone. Swift se distingue des autres systèmes d’IA qui ont battu des humains dans des jeux numériques ou sur table, car il doit faire face à un environnement réel et variable.
La technologie derrière Swift
Le succès de Swift peut être attribué à un mélange d’ingénierie intelligente et de méthodologie d’IA de pointe basée sur l’apprentissage par essais et erreurs. L’apprentissage de bout en bout, dans lequel l’IA apprend à associer des images à des commandes particulières contrôlant les mouvements du drone, est une technique courante pour enseigner l’IA aux robots. Cependant, lors du passage d’un environnement simulé à un environnement réel, cette stratégie échoue souvent. Cette situation est connue sous le nom de « fossé de la réalité ».
Swift combine l’apprentissage par renforcement profond, une technique d’IA qui optimise la performance par essais et erreurs, avec des données collectées dans le monde physique. Il utilise deux réseaux neuronaux artificiels. Le premier réseau neuronal identifie les coins des portes à franchir, une tâche où l’IA excelle, en intégrant les informations provenant de sa caméra. Un logiciel propriétaire a utilisé le système de vision binoculaire du drone pour déterminer sa vitesse. Les données de l’unité de mesure inertielle, qui mesure l’accélération et la vitesse de rotation, ont ensuite été intégrées à l’aide d’algorithmes conventionnels.
Le second réseau neuronal associe l’état du drone à des commandes pour ajuster sa poussée et sa rotation. Cette étape, appelée abstraction, permet de réduire les différences entre les simulations et les systèmes réels, facilitant ainsi un apprentissage plus rapide et plus précis.
Les implications de la victoire de Swift
Les retombées de cette victoire vont bien au-delà des courses de drones. Cette technologie pourrait avoir des applications militaires, améliorant les opérations de drones dans des environnements complexes. De plus, elle ouvre la voie à des utilisations civiles passionnantes, en effectuant toutes sortes de tâches, telles que la livraison de nourriture dans des environnements urbains denses ou le nettoyage de gratte-ciel.
Cependant, il faudra encore du temps avant de voir ces développements. Si le succès de Swift est impressionnant, il reste encore beaucoup de défis à relever. Les tests ont été menés dans des environnements contrôlés, tandis que les courses de drones en extérieur présentent des conditions imprévisibles telles que le vent et la météo changeante. Bien que Swift ait atteint des sommets impressionnants, la route vers une utilisation généralisée de cette technologie sera parsemée de défis.