챔피언

Nature 620권, 982~987페이지(2023)이 기사 인용

889 알트메트릭

측정항목 세부정보

FPV(1인칭 시점) 드론 레이싱은 전문 경쟁자들이 3D 서킷을 통해 고속 항공기를 조종하는 TV 스포츠입니다. 각 조종사는 온보드 카메라에서 스트리밍되는 비디오를 통해 드론의 관점에서 환경을 봅니다. 자율 드론으로 전문 조종사 수준에 도달하는 것은 어려운 일입니다. 로봇은 온보드 센서1를 통해서만 회로 내 속도와 위치를 추정하면서 물리적 한계 내에서 비행해야 하기 때문입니다. 여기에서는 인간 세계 챔피언 수준의 실제 차량 경주를 할 수 있는 자율 시스템인 Swift를 소개합니다. 이 시스템은 시뮬레이션의 심층 강화 학습(RL)을 실제 세계에서 수집된 데이터와 결합합니다. Swift는 두 개의 국제 리그의 세계 챔피언을 포함한 세 명의 인간 챔피언과 실제 정면 대결을 벌였습니다. Swift는 각 인간 챔피언을 상대로 여러 번의 경주에서 승리했으며 기록된 가장 빠른 경주 시간을 보여주었습니다. 이 작업은 모바일 로봇공학 및 기계 지능2의 이정표를 나타내며, 이는 다른 물리적 시스템에 하이브리드 학습 기반 솔루션을 배포하는 데 영감을 줄 수 있습니다.

Deep RL3은 최근 인공 지능의 일부 발전을 가능하게 했습니다. 심층 RL로 훈련된 정책은 Atari4,5,6, Go5,7,8,9, chess5,9, StarCraft10, Dota 2(참조 11) 및 Gran Turismo12,13을 포함한 복잡한 경쟁 게임에서 인간을 능가했습니다. 기계 지능의 기능에 대한 이러한 인상적인 시연은 주로 테스트 조건의 정확한 복제본에서 정책 검색을 지원하는 시뮬레이션 및 보드 게임 환경으로 제한되었습니다. 이러한 한계를 극복하고 물리적 경쟁에서 챔피언 수준의 성능을 입증하는 것은 자율 모바일 로봇 공학 및 인공 지능14,15,16의 오랜 문제입니다.

FPV 드론 경주는 고도로 훈련된 조종사가 고속의 민첩한 기동을 통해 공중 차량을 물리적 한계까지 밀어붙이는 TV 스포츠입니다(그림 1a). FPV 경주에 사용되는 차량은 지금까지 제작된 기계 중 가장 민첩한 쿼드콥터입니다(그림 1b). 경주 중에 차량은 제한된 공간에서도 자체 중량을 5배 이상 초과하는 힘을 발휘하여 100km h−1 이상의 속도에 도달하고 중력의 몇 배에 달하는 가속도를 발휘합니다. 각 차량은 온보드 카메라의 비디오 스트림을 보여주는 헤드셋을 착용한 인간 조종사에 의해 원격으로 제어되어 몰입형 '1인칭 시점' 경험을 제공합니다(그림 1c).

a, Swift(파란색)가 2019 Drone Racing League 세계 챔피언(빨간색)인 Alex Vanover와 정면으로 맞붙습니다. 트랙은 각 랩마다 순서대로 통과해야 하는 7개의 정사각형 게이트로 구성됩니다. 레이스에서 승리하려면 경쟁자는 상대방보다 먼저 연속으로 3바퀴를 완주해야 합니다. b, 파란색 LED로 조명된 Swift와 빨간색 LED로 조명된 인간이 조종하는 드론의 클로즈업 뷰입니다. 이 작업에 사용된 자율 드론은 모션 캡처 시스템과 같은 외부 인프라의 지원 없이 온보드 감각 측정에만 의존합니다. c, 왼쪽에서 오른쪽으로: Thomas Bitmatta, Marvin Schaepper 및 Alex Vanover가 트랙을 따라 드론 경주를 하고 있습니다. 각 조종사는 항공기에 탑재된 카메라에서 실시간으로 전송되는 비디오 스트림을 보여주는 헤드셋을 착용합니다. 헤드셋은 몰입형 '1인칭 시점' 경험을 제공합니다. c, Regina Sablony의 사진.

인간 조종사의 성능에 도달하는 자율 시스템을 만들려는 시도는 2016년 최초의 자율 드론 경주 대회로 거슬러 올라갑니다(참조 17). 다음 게이트 위치를 식별하기 위한 심층 네트워크 사용18,19,20, 경주 정책을 시뮬레이션에서 현실로 전환21,22, 인식의 불확실성 설명23,24 등 일련의 혁신이 이어졌습니다. 2019 AlphaPilot 자율 드론 경주 대회에서는 해당 분야 최고의 연구 결과를 선보였습니다25. 그러나 처음 두 팀은 트랙을 완료하는 데 여전히 전문 인간 조종사보다 거의 두 배의 시간이 걸렸습니다26,27. 최근에는 자율 시스템이 전문가 수준의 인간 성능에 도달하기 시작했습니다28,29,30. 그러나 이러한 작업은 외부 모션 캡처 시스템이 제공하는 거의 완벽한 상태 추정에 의존합니다. 인간은 드론을 통해 선상 관측에만 접근할 수 있기 때문에 인간 조종사와의 비교는 불공평합니다.