KI steuert Drohnen weltmeisterlich
Forschende schufen mit Unterstützung des EU-finanzierten Projekts AGILEFLIGHT das erste autonome System, das in der Lage ist, menschliche Pilotinnen und Piloten beim Drohnenrennen zu schlagen. Das KI-System namens Swift schlug nicht irgendwelche menschliche Konkurrenz, sondern drei Weltklasse-Piloten: Alex Vanover, Meister der Drone Racing League 2019, Thomas Bitmatta, MultiGP-Drone-Racing-Meister 2019, und den dreifachen Schweizer Meister Marvin Schäpper. In den Rennen, die zwischen 5. und 13. Juni 2022 stattfanden, setzte sich Swift im sogenannten First-Person-View-Drohnenrennen mehrfach gegen die drei Meister durch. Die Teilnehmer mussten ihre Hochgeschwindigkeitsdrohnen mit Geschwindigkeiten von über 100 km/h durch einen Hindernisparcours steuern. Die Drohnen wurden über Headsets ferngesteuert, die mit einer Onboard-Kamera verbunden waren, die den Piloten eine Ego-Sicht aus der Perspektive der Drohne ermöglichte. Die Rennen fanden auf einer eigens dafür angelegten Rennstrecke in einem Hangar des Flughafens Dübendorf bei Zürich statt. Die Strecke umfasste eine Fläche von 25 mal 25 m und bestand aus sieben quadratischen Toren, die die Drohnen in der richtigen Reihenfolge passieren mussten, damit eine Runde als abgeschlossen galt. Laut einer Pressemitteilung auf der Website des Koordinators des Projekts AGILEFLIGHT, der Universität Zürich, gehörten zum Rennen „anspruchsvolle Manöver wie ein Split-S, eine akrobatische Übung, bei der die Drohne halb gerollt wird und bei voller Geschwindigkeit einen absteigenden Halblooping vollführt“.
Schneller, aber weniger anpassungsfähig
Swift besiegte die menschlichen Champions mehrmals und schaffte sogar die schnellste Runde – es absolvierte die Strecke eine halbe Sekunde schneller als die menschliche Bestzeit. Allerdings waren die menschlichen Piloten besser in der Lage, sich an Bedingungen anzupassen, die sich von denen unterschieden, für die das KI-System trainiert worden war, z. B. wenn zu viel Licht im Raum war. Dies zeigt, dass trotz der erstaunlichen Fortschritte der KI bei der Navigation in der physischen Umwelt menschliche Pilotinnen und Piloten immer noch im Vorteil sind, wenn es darum geht, sich an variable Bedingungen anzupassen. In einer in der Fachzeitschrift „Nature“ veröffentlichten Publikation wird beschrieben, dass diese Ergebnisse mithilfe von „Deep Reinforcement Learning“ erzielt wurden, wobei Swift sich das Fliegen durch Versuch und Irrtum in einer simulierten Umgebung selbst beibrachte. „Um sicherzustellen, dass die Folgen von Aktionen im Simulator denen in der realen Welt so nahe wie möglich kommen, haben wir eine Methode zur Optimierung des Simulators mit realen Daten entwickelt“, erklärt Hauptautor Dr. Elia Kaufmann von der Universität Zürich in der Pressemitteilung. Wie funktioniert Swift also? Das KI-System verwendet Echtzeitdaten, die von der Onboard-Kamera erfasst werden, sowie Messwerte wie Beschleunigung und Geschwindigkeit von anderen Sensoren. Diese Daten werden mithilfe eines künstlichen neuronalen Netzwerks verarbeitet, um die Drohne im Raum zu lokalisieren und Renntore entlang der Strecke zu identifizieren. Eine Steuereinheit, die ebenfalls auf einem tiefen neuronalen Netzwerk basiert, nutzt diese Informationen, um den besten Weg zu finden und so die Rennstrecke so schnell wie möglich zu durchfliegen. Der Seniorautor der Studie, Prof. Davide Scaramuzza, von derselben Universität erklärt, warum Geschwindigkeit wichtig ist: „Drohnen haben eine begrenzte Batteriekapazität; sie brauchen den Großteil ihrer Energie, um in der Luft zu bleiben. Wenn wir schneller fliegen, erhöhen wir ihren Nutzen“. Die neue Technologie, die mit Unterstützung von AGILEFLIGHT (Low-latency Perception and Action for Agile Vision-based Flight) entwickelt wurde, lässt sich nach Angaben der Forschenden in der Praxis in vielen Bereichen einsetzen. Dazu gehören die Überwachung von Wäldern, die Erforschung des Weltraums sowie Such- und Rettungseinsätze, bei denen Drohnen große Gebiete in kurzer Zeit erfassen müssen. Weitere Informationen: Projekt AGILEFLIGHT
Schlüsselbegriffe
AGILEFLIGHT, Drohne, KI, Drohnenrennen, Swift, Deep Reinforcement Learning, neuronales Netzwerk
