IT之家 4 月 29 日消息， 4 月 14 日在阿布扎比举行的 2025 年 A2RL 无人机锦标赛上，由代尔夫特理工大学（Delft University of Technology）开发的人工智能（AI）无人机首次战胜了人类飞行员。

当天，两场无人机竞速赛事同时举行：人类飞行员参与的猎鹰杯（Falcon Cup）总决赛，以及 AI 驱动的自动驾驶无人机竞速赛事。在最终的对决中，代尔夫特理工大学的 AI 无人机不仅赢得了 A2RL 大奖赛冠军，还在淘汰赛中击败了三位前 DCL 世界冠军，其飞行速度在曲折的赛道上达到了每小时 95.8 公里。

代尔夫特理工大学的科学家和学生团队通过开发高效且稳健的 AI 系统实现了这一突破，该系统能够在瞬间做出高性能的控制决策。

两年前，苏黎世大学的机器人与感知研究小组首次在飞行实验室环境中用自动驾驶无人机战胜了人类无人机竞速冠军。然而，当时的实验条件、硬件和赛道仍由研究人员控制，与本次世界锦标赛的环境截然不同。在本次锦标赛中，硬件和赛道完全由赛事组织者设计和管理。

据IT之家了解，2025 年 A2RL 无人机锦标赛的目标是通过在极端时间压力下，以及在计算和感知资源极其有限的条件下开展机器人 AI 研究，从而推动物理人工智能的边界。与以往的自动驾驶无人机竞赛不同，本次竞赛的无人机仅配备了一个向前看的摄像头，这更接近人类第一人称视角（FPV）飞行员的飞行方式，同时也为 AI 带来了额外的感知挑战。

代尔夫特理工大学航空航天工程学院的 MAVLab 团队开发了战胜三位前 DCL 世界冠军的 AI 系统。团队负责人克里斯托夫・德・瓦格特（Christophe De Wagter）表示，他们通过深度神经网络直接向电机发送控制指令，而非通过传统的手动控制器。这种网络最初由欧洲航天局（ESA）的先进概念团队开发，名为“制导与控制网络”。

传统的人工设计的最优控制算法计算成本过高，无法在资源受限的无人机或卫星等系统上运行。ESA 发现，深度神经网络能够模拟传统算法的结果，同时将处理时间降低几个数量级。由于在真实空间硬件上测试这些网络的性能存在困难，因此与代尔夫特理工大学的 MAVLab 团队展开了合作。

“我们现在通过强化学习（一种通过试错进行学习的方法）来训练深度神经网络，”德・瓦格特说，“这使得无人机能够更接近系统的物理极限。为此，我们不仅重新设计了控制训练程序，还研究了如何从无人机自身的传感器数据中学习其动态特性。”

这种高效且稳健的 AI 系统不仅对自动驾驶竞速无人机至关重要，还将扩展到其他机器人应用中。德・瓦格特表示：“机器人 AI 的发展受到计算和能源资源的限制。自动驾驶无人机竞速是开发和展示高效、稳健 AI 的理想测试案例。让无人机飞得更快对于许多经济和社会应用都至关重要，例如及时运送血液样本和除颤器，以及在自然灾害中寻找被困人员。此外，我们还可以利用这些方法，不仅追求最短时间，还可以追求其他标准，如最佳能耗或安全性。这将对许多其他应用产生影响，从真空机器人到自动驾驶汽车。”