Uni Zürich

KI ermöglicht Drohnen den Flug ins Unbekannte

von - 11.10.2021
Foto: UZH
Forschende der Universität Zürich haben einen neuen Ansatz entwickelt, mit dem autonome Quadrocopter mit hoher Geschwindigkeit durch unbekannte, unübersichtliche Umgebungen fliegen können. Dies geschieht mithilfe der Sensoren und Berechnungen an Bord der Drohne.
Wenn es um die Erkundung komplexer und unbekannter Umgebungen wie Wälder, Gebäude oder Höhlen geht, sind Drohnen kaum zu schlagen. Sie 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 als Professor 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.»

KI-Algorithmus lernt von einem simulierten Experten

In einer aktuellen Studie haben Scaramuzza und sein Team einen autonomen Quadrocopter darauf trainiert, mit Geschwindigkeiten bis zu 40 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 - sozusagen ihr Gehirn -  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.
Verwandte Themen