DRONER

Disse lynraske autonome dronene slår mennesker i dronerace

Nye algoritmer kan bli verdifulle for framtidige droneoppdrag.

Nye algoritmer får dronene til å bevege seg raskere gjennom hindringer. Denne dronen flyr gjennom røyk for å visualisere de aerodynamiske egenskapene.
Nye algoritmer får dronene til å bevege seg raskere gjennom hindringer. Denne dronen flyr gjennom røyk for å visualisere de aerodynamiske egenskapene. Foto: Robotics and Perception Group, UZH
Eirik Helland UrkeEirik Helland UrkeJournalist / foto
26. juli 2021 - 19:00

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.

Via lysstråler, optisk kommunikasjon, mellom dronen og ladeplaten kan også data sendes og mottas under vann.
Les også

Drone-vaktmesteren satte verdensrekord: Seks måneder på 300 meters havdyp

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.

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.

VIDEO: Slik fungerer de nye algoritmene.

 

Da tankskipet TS Sola kalte opp vaktsjefen på Helge Ingstad for å be om kursendring, forsto ikke vaktsjefen at tankskipet beveget seg og at det var kollisjonsfare. Kunstig intelligens kunne antagelig ha bidratt til mer informasjon om omgivelsene og dermed bedre forståelse av situasjonen, mener NTNU-professor
Les også

NTNU-forsker vil lære autonome systemer risikoforståelse

Les mer om:
Del
Kommentarer:
Du kan kommentere under fullt navn eller med kallenavn. Bruk BankID for automatisk oppretting av brukerkonto.