IT之家 4 月 29 日消息， 4 月 14 日在阿布扎比舉行的 2025 年 A2RL 無人機錦標賽上，由代爾夫特理工大學（Delft University of Technology）開發(fā)的人工智能（AI）無人機首次戰(zhàn)勝了人類飛行員。

當天，兩場無人機競速賽事同時舉行：人類飛行員參與的獵鷹杯（Falcon Cup）總決賽，以及 AI 驅(qū)動的自動駕駛無人機競速賽事。在最終的對決中，代爾夫特理工大學的 AI 無人機不僅贏得了 A2RL 大獎賽冠軍，還在淘汰賽中擊敗了三位前 DCL 世界冠軍，其飛行速度在曲折的賽道上達到了每小時 95.8 公里。

代爾夫特理工大學的科學家和學生團隊通過開發(fā)高效且穩(wěn)健的 AI 系統(tǒng)實現(xiàn)了這一突破，該系統(tǒng)能夠在瞬間做出高性能的控制決策。

兩年前，蘇黎世大學的機器人與感知研究小組首次在飛行實驗室環(huán)境中用自動駕駛無人機戰(zhàn)勝了人類無人機競速冠軍。然而，當時的實驗條件、硬件和賽道仍由研究人員控制，與本次世界錦標賽的環(huán)境截然不同。在本次錦標賽中，硬件和賽道完全由賽事組織者設計和管理。

據(jù)IT之家了解，2025 年 A2RL 無人機錦標賽的目標是通過在極端時間壓力下，以及在計算和感知資源極其有限的條件下開展機器人 AI 研究，從而推動物理人工智能的邊界。與以往的自動駕駛無人機競賽不同，本次競賽的無人機僅配備了一個向前看的攝像頭，這更接近人類第一人稱視角（FPV）飛行員的飛行方式，同時也為 AI 帶來了額外的感知挑戰(zhàn)。

代爾夫特理工大學航空航天工程學院的 MAVLab 團隊開發(fā)了戰(zhàn)勝三位前 DCL 世界冠軍的 AI 系統(tǒng)。團隊負責人克里斯托夫?德?瓦格特（Christophe De Wagter）表示，他們通過深度神經(jīng)網(wǎng)絡直接向電機發(fā)送控制指令，而非通過傳統(tǒng)的手動控制器。這種網(wǎng)絡最初由歐洲航天局（ESA）的先進概念團隊開發(fā)，名為“制導與控制網(wǎng)絡”。

傳統(tǒng)的人工設計的最優(yōu)控制算法計算成本過高，無法在資源受限的無人機或衛(wèi)星等系統(tǒng)上運行。ESA 發(fā)現(xiàn)，深度神經(jīng)網(wǎng)絡能夠模擬傳統(tǒng)算法的結(jié)果，同時將處理時間降低幾個數(shù)量級。由于在真實空間硬件上測試這些網(wǎng)絡的性能存在困難，因此與代爾夫特理工大學的 MAVLab 團隊展開了合作。

“我們現(xiàn)在通過強化學習（一種通過試錯進行學習的方法）來訓練深度神經(jīng)網(wǎng)絡，”德?瓦格特說，“這使得無人機能夠更接近系統(tǒng)的物理極限。為此，我們不僅重新設計了控制訓練程序，還研究了如何從無人機自身的傳感器數(shù)據(jù)中學習其動態(tài)特性?！?/p>

這種高效且穩(wěn)健的 AI 系統(tǒng)不僅對自動駕駛競速無人機至關重要，還將擴展到其他機器人應用中。德?瓦格特表示：“機器人 AI 的發(fā)展受到計算和能源資源的限制。自動駕駛無人機競速是開發(fā)和展示高效、穩(wěn)健 AI 的理想測試案例。讓無人機飛得更快對于許多經(jīng)濟和社會應用都至關重要，例如及時運送血液樣本和除顫器，以及在自然災害中尋找被困人員。此外，我們還可以利用這些方法，不僅追求最短時間，還可以追求其他標準，如最佳能耗或安全性。這將對許多其他應用產(chǎn)生影響，從真空機器人到自動駕駛汽車?！?/p>

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。