Technologie

KI lenkt Drohnen ins Unbekannte

14.10.2021 - Neuronales Netz der Drohne lernt das Umfliegen von Hindernissen.

Forschende der Universität Zürich haben einen neuen Ansatz entwickelt, mit dem autonome Quadro­copter mit hoher Geschwin­digkeit durch unbekannte, unüber­sichtliche Umgebungen fliegen können. Dies geschieht ausschließlich mithilfe der Sensoren und Berech­nungen an Bord der Drohne. Bei Unfällen, Katastrophen oder auf Baustellen könnte dieses Novum Leben retten.

Drohnen sind schnell, wendig und klein, transportieren Nutzlasten und gelangen mit Sensoren praktisch überall hin. Doch ohne eine Karte können sich autonome Drohnen bisher kaum in einer unbekannten Umgebung zurechtfinden. Um ihr volles Potenzial auszu­schöpfen, braucht es derzeit noch erfahrene, menschliche Piloten. „Beim Manövrieren einer Drohne muss man die Umgebung in Sekunden­bruchteilen verstehen, um die Drohne schnell auf kollisions­freie Bahnen zu lenken“, sagt Davide Scara­muzza, der die Robotics and Perception Group an der Universität Zürich leitet. „Dies ist sowohl für Menschen als auch für Maschinen sehr schwierig. Erfahrene Piloten können dieses Niveau nach Jahren andauernden Trainings erreichen. Aber Maschinen tun sich damit noch immer schwer.“

Nun haben Scaramuzza und sein Team einen autonomen Quadrocopter darauf trainiert, mit Geschwindig­keiten bis zu vierzig Stundenkilometer durch bisher unbekannte Umgebungen wie Wälder, Gebäude, Ruinen oder Züge zu fliegen, ohne mit Bäumen, Mauern oder anderen Hindernissen zu kollidieren. Dabei stützt sich die Drohne nur auf die eingebauten Kameras und die Berechnungen des Quadro­copters. Das neuronale Netz der Drohne lernt das Umfliegen von Hinder­nissen, indem es eine Art simulierten Lehrer beo­bachtete: einen Algorithmus, der eine computer­gestützte Drohne durch eine simulierte Umgebung voller komplexer Hindernisse flog. Der Algorithmus war jederzeit über die Position des Quadrotors und die Messwerte seiner Sensoren informiert und verfügte über genügend Zeit und Rechen­leistung, um in Sekunden­bruchteilen die beste Flugbahn zu errechnen.

Dieser simulierte Lehrer kann zwar nicht außerhalb der Simulation eingesetzt werden, aber seine Daten werden verwendet, um dem neuro­nalen Netz beizubringen, wie es aufgrund der von den Sensoren über­mittelten Daten die beste Flugbahn vorher­sagen kann. Dies ist ein großer Vorteil gegenüber bestehenden Systemen, die zunächst anhand von Sensordaten eine Karte der Umgebung erstellen und dann innerhalb dieser Karte Flug­bahnen planen – zwei Schritte, die viel Zeit in Anspruch nehmen und es fast unmöglich machen, mit hoher Geschwin­digkeit zu fliegen.  

Nach dem Training in der Simulation wurde das System direkt im Freien eingesetzt, wo eine autonome Drohne in verschiedenen Umgebungen ohne Kollisionen mit Geschwindig­keiten von bis zu vierzig Stunden­kilometer fliegen konnte. „Während Menschen Jahre für das Training benötigen, kann künstliche Intelligenz mit Hilfe von Hochleistungs­simulatoren viel schneller, quasi über Nacht, vergleichbare Navigations­fähigkeiten erreichen“, sagt Antonio Loquercio. Interessanter­weise müssen diese Simulatoren keine exakte Nachbildung der realen Welt sein. „Mit dem richtigen Ansatz reichen sogar einfache Simulationen aus“, fügt Elia Kaufmann hinzu.

Die Anwendungen des Systems sind nicht nur auf Quadro­copter beschränkt: Gemäß den Forschenden könnte derselbe Ansatz nützlich sein, um etwa die Leistung von autonomen Autos zu verbessern oder sogar KI-Systeme in Bereichen zu trainieren, in denen das Sammeln von Daten schwierig bis unmög­lich ist. In einem nächsten Schritt sollen das System verbessert und schnellere Sensoren entwickelt werden, die in kürzerer Zeit mehr Umgebungs­informationen liefern, damit die Drohne auch bei höheren Geschwin­digkeiten sicher fliegt.

UZH / JOL

Weitere Infos