苏黎世大学竞速无人机 Swift：击败人类世界冠军，单圈快出半秒

1996 年 IBM 的深蓝赢了国际象棋，2016 年 AlphaGo 赢了围棋。到了今天，AI 终于在真正的物理运动里，把人类世界冠军挑落马下。

苏黎世大学和英特尔团队研发的一套名为 Swift 的自主飞行 AI 系统，在第一人视角无人机竞速中，多次击败了三位世界顶尖人类飞手。这项成果发表在 8 月 31 日的《自然》杂志上。

参与对决的选手含金量极高，包括 2019 年无人机竞速联盟冠军 Alex Vanover、2019 年 MultiGP 冠军 Thomas Bitmatta 以及瑞士三届冠军 Marvin Schaepper。

比赛在苏黎世附近杜本多夫机场的一个机库里举行。25 米见方的场地里设置了 7 个方形障碍门，路线中还包含半滚倒转这种需要无人机全速俯冲翻转的特技动作，时速超过 100 公里。

最终 Swift 跑出了全场单圈最快速度，比人类飞手的最好圈速整整快了半秒。

扔掉外部定位，全靠机载摄像头

无人机竞速对机器来说其实极其残酷。过去自主无人机跑完同一条赛道的时间通常是人类飞手的两倍，除非在天花板上密密麻麻布满外部动作捕捉摄像头来给它实时校准位置。

Swift 彻底摆脱了这种场外外挂。它和人类飞手一样，只依赖机载摄像头传回的图像，加上内置惯性测量单元测出的加速度和角速度。

它的核心由两套深度神经网络组成。一套网络负责处理摄像头拍摄的画面，在三维空间中精确定位无人机自身位置，并识别赛道上的每一个门；另一套控制网络则接管飞行指令，实时算出让无人机最快穿过弯道的动作。

有意思的是它的训练成本极低。团队通过强化学习在模拟环境里让无人机试错，一个月的模拟飞行训练量，在普通台式 PC 上只跑了不到一个小时。

为了解决模拟器和现实脱节的问题，团队先用外部追踪系统记录真实飞行数据，倒推优化模拟环境，让 AI 学会自我修正机载传感器的读取误差，避免了在早期试错时摔碎无数台真机。

机器开得快，但人类更能扛意外

这场胜利并非毫无破绽。研究人员坦言，人类飞手在面对环境变化时的适应能力仍然远超机器。

Swift 的表现极度依赖它被训练时的环境参数。在测试中，只要机库内的光线突然变得过强，超出训练数据的分布范围，Swift 就会当场迷失失控。

苏黎世大学机器人与感知团队负责人达维德·斯卡拉穆扎指出，无人机的电池寿命非常有限，大部分电量都花在维持悬停和滞空上。飞得越快，在单次充电里的实用价值就越高。

这项技术未来很可能先用于工业搜救，例如在火灾建筑内争分夺秒搜寻伤员，或者在森林监测、外星探索以及电影高速动作镜头抓拍中发挥作用。

为什么重要

我们认为，Swift 的突破不在于无人机跑得有多快，而在于它证明了端到端强化学习完全可以在高动态、高噪声的物理世界中战胜人类本能。

棋类和电子游戏有清晰完美的数学边界，但真实物理世界充满了空气动力学湍流、相机动态模糊和传感器延迟。Swift 用廉价的机载传感器和一个小时的 PC 模拟就跨过了这道坎，这会让很多人形机器人和自动驾驶团队重新审视模拟环境到现实落地的转化效率。

对普通无人机玩家和开发者来说，这套系统目前还谈不上开箱即用。它的软肋太明显：光线稍微一变就抓瞎，换个没有提前建模的陌生赛道就得重头再来。但对于搜救救援等高危行业，这种能够脱离 GPS 和外部动捕的高速自主穿梭能力，看起来是真正能救命的底座技术。

接下来摆在具身智能面前的核心矛盾已经变了：AI 在封闭固定的物理规则下已经能比人类更快，但要怎么做才能像人类那样，在阳光刺眼或狂风吹过时，不假思索地本能调整自己的航线？