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）開發的人工智能（AI）無人機首次戰勝了人類飛行員。

代爾夫特理工大學的科學家和學生團隊通過開發高效且穩健的 AI 系統實現了這一突破，該系統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境中用自動駕駛無人機戰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 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。

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

傳統的人工設計的最優控制算法計算成本過高，無法在資源受限的無人機或衛星等系統上運行。ESA 發現，深度神經網絡能夠模擬傳統算法的結果，同時將處理時間降低幾個數量級。由于在真實空間硬件上測試這些網絡的性能存在困難，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）來訓練深度神經網絡，" 德瓦格特說，" 這使得無人機能夠更接近系統的物理極限。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據中學習其動態特性。"

這種高效且穩健的 AI 系統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和展示高效、穩健 AI 的理想測試案例。讓無人機飛得更快對于許多經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生影響，從真空機器人到自動駕駛汽車。"