Forskere ved Universitetet i Zürich har utviklet nye algoritmer (PDF) for autonome racingdroner, der systemet lærer seg den optimale banen å bevege seg gjennom løypa på. Dette ble testet i et race mot de profesjonelle dronepilotene Michael Isler og Timothy Trowbridge, og da vant datamaskinens quadkopter hver eneste gang.
Den algoritmestyrte dronen ble dessuten stadig bedre, og i motsetning til hos menneskene ble ikke de samme feilene gjentatt flere ganger. Så snart datamaskinen fant en optimal bane, ble den nøyaktig samme banen benyttet gang etter gang.
Den førerløse sjøtransporten er forsinket – klimakuttene er reelle
Dronerace
Testen ble utført på en spesifikk racingbane for droner, og de menneskelige pilotene fikk i likhet med datamaskinen anledning til å trene på løypa før testen ble gjennomført. Droneracing er blitt en verdensomspennende idrett, der de beste pilotene normalt vil slå selvflyvende farkoster med god margin.
Den autonome dronen på 0,8 kilo var utstyrt med en kraftig Jetson TX2 prosessor, Laird kommunikasjonsenhet og infrarød-reflektive markører som ble fanget opp av eksterne kameraer for å fortløpende kunne måle posisjon, retning og hastighet. For øvrig besto den av helt standard dronekomponenter.
Informasjon i sanntid
I motsetning til tidligere forsøk ble ikke dronens ferd programmert nøyaktig på forhånd. I stedet lærte dronen hvordan den skulle løse gitte hindringer idet de måtte oppstå, samtidig som den fikk informasjon i sanntid om hvor den befant seg til enhver tid. Til dette måtte forskerne sette opp kameraer langs løypa som ga fortløpende informasjon om posisjon og bevegelse. I praksis et gedigent motion capture-system.
Ifølge forskerne er dette første gang algoritmene lager tidsoptimaliserte flybaner som tar hensyn til dronens egne begrensninger. Håpet er at dette kan bli nyttig i framtidige autonome droneoppdrag, for å kunne løse sine tildelte oppgaver raskest mulig.
Fortsatt hindringer
Foreløpig kreves det for mye datakraft til det meste av praktisk bruk, i dette tilfellet en times datakverning før algoritmen var klar til å fly. I tillegg var forskerne avhengig av eksterne kameraer for posisjonering i sanntid. I framtiden vil interne kameraer på dronen kunne gjøre samme nytte.
.png){kind=logo}
Professor Dr. Davide Scaramuzza ved Universitetet i Zürich ser for seg store bruksområder for raske droner av denne typen, innenfor eksempelvis pakkelevering, inspeksjon og redningsoppdrag.
NTNU-bedrift løser kritisk utfordring: – Nøyaktighet er et konsept som er på vei frem
