研究内容：https://www.nature.com/articles/s41586-023-06419-4

在这场无人机比赛中，人类操纵者通过机载摄像机操纵无人机通过 3D 赛道，这是为了让操纵者从无人机的视角观察环境。自主无人机要达到人类控制无人机的水平是非常具有挑战性的，因为无人机需要仅通过机载传感器估计其在赛道中的速度和位置。

而 Swift 战胜的是世界冠军级人类玩家，他们分别是：2019 年无人机竞速联盟世界冠军 Alex Vanover、两届 MultiGP 国际公开赛冠军 Thomas Bitmatta 和三届瑞士全国冠军 Marvin Schaepper。

下图 1a 是这次比赛的赛道，Swift 不仅赢得了与人类冠军的比赛，还创造了最快的比赛纪录。这项工作是移动机器人和机器智能领域的一个里程碑。

图 1

下面我们就来看一下自主无人机 Swift 的技术方法。

Swift 技术介绍

Swift 是一个仅使用机载传感器和计算完成自主控制的四旋翼飞行器，由两个关键模块组成：

感知系统，将高维的视觉和惯性信息转换成低维表征；

控制策略，摄取感知系统产生的低维表征并产生控制命令。

其中，控制策略由一个前馈神经网络来表征，并使用无模型 on-policy 深度强化学习（RL）进行训练。

由于模拟与现实世界在传感和动力学方面存在差异，仅在模拟中优化策略会导致无人机的现实性能较差，因此研究团队利用物理系统收集的数据来估计非参数经验噪声模型（non-parametric empirical noise model）。实验表明，这些经验噪声模型有助于将控制策略从模拟成功转移到现实。

具体来说，Swift 将机载传感器的读数映射成控制命令，这一映射包括两部分：(1) 观察策略，将高维的视觉和惯性信息提炼成特定于任务的低维编码；(2) 控制策略，将编码转换成无人机命令。Swift 系统整体概览如下图 2 所示：

图 2

如图 1 所示场景，Swift 的观察策略需要运行视觉 - 惯性估计器和门检测器。其中，门检测器是一个卷积神经网络，用于检测机载图像中的赛车门，然后使用检测到的门来估计无人机在赛道上的全局位置和飞行方向。这是使用相机后方交会算法（camera-resectioning algorithm），并结合赛道地图来完成的。最后，Swift 用卡尔曼滤波（Kalman filter）将全局姿态估计（从门检测器获得）与视觉 - 惯性估计结合起来，从而更准确地表征机器人的状态。

控制策略（用一个两层感知器表征），负责将卡尔曼滤波（Kalman filter）的输出映射成无人机控制命令。控制策略在模拟中使用无模型 on-policy 深度强化学习（RL）进行训练。在训练期间，该策略会考虑相机视野内下一个竞赛门的信息，将奖励最大化，以提高姿态估计的准确性。

实验及结果

为了评估 Swift 的性能，该研究进行了一系列的比赛实验，并与轨迹规划和模型预测控制（MPC）进行了比较。

如下图 3b 所示，在与 A. Vanover 的 9 场比赛中，Swift 赢了 5 场；在与 T. Bitmatta 的 7 场比赛中，Swift 赢了 4 场；在与 M. Schaepper 的 9 场比赛中，Swift 赢了 6 场。在 Swift 记录的 10 次失利中，40% 是因为与对手相撞，40% 是因为与竞赛门相撞，20% 是因为比人类控制的无人机慢。总体而言，在与人类控制无人机进行的比赛中，Swift 获胜次数最多，并且它还创造了最快的比赛纪录，比人类控制无人机（A. Vanover）的最佳时间快了半秒。

图 3

为了对 Swift 的性能进行更细致的分析，该研究比较了 Swift 和人类控制无人机的最快单圈飞行速度，结果如下图 4 和表 1 所示。

图 4

表 1

虽然从整体上看，Swift 比所有人类控制无人机都要快，但它在赛道的每个赛段上的速度并不快，如表 1 所示。

研究团队仔细分析发现：在起飞时，Swift 的反应时间较短，平均比人类飞行员早 120 毫秒起飞；Swift 的加速也更快，进入第一个竞赛门时速度更高。在急转弯时，如图 4cd 所示，Swift 的动作更加紧凑。

研究团队还提出一种假设，Swift 在比人类操控者更长的时间尺度上优化轨迹。众所周知，无模型 RL 可以通过价值函数优化长期奖励（long-term reward）。相反，人类操控者规划运动的时间尺度较短，最多只能预测未来一个竞赛门。