Får bransjeskryt for masteroppgaven

Jørgen Lind Fløystad og Eirik Runde Barlaug gliser bredt når TU møter dem etter at de har mottatt prisen for årets beste masteroppgave av bransjeforeningen Norsk forening for elektro og automatisering (NFEA).

Oppgaven handler om å få droner til å navigere autonomt. Vanlige forbrukerdroner har allerede en viss grad av autonomi, men Fløystad og Barlaug har tatt det et steg videre.

– Vår løsning handler om å få den til å følge en vilkårlig tredimensjonal sti, men uten at vi sier noe om hva den kommer til å møte på og hvordan den skal håndtere det. Dersom en hindring ligger på stien, må dronen selv velge og forstå hvorvidt den skal følge stien eller fly rundt hindringen, sier Fløystad.

De har foreløpig ikke testet systemet på en fysisk drone, men de har fått det til å fungere i simuleringer.

Relevant for mange

I begrunnelsen fra NFEA heter det at de tar for seg en kompleks problemstilling som er relevant for stadig flere utfordringer innen automasjonsfaget. Masteren fikk også andreplass i en konkurranse i regi av Norwegian Open AI Lab.

Fløystad og Barlaug var ferdige med mastergraden i kybernetikk og robotikk ved NTNU for om lag et halvt år siden. De er nå i ferd med å skrive en vitenskapelig artikkel basert på masteroppgaven, men de har foreløpig ingen ambisjoner om å kommersialisere teknologien.

Begge er nå i full jobb. Barlaug jobber med kunstig intelligens (KI) og data i konsulentselskapet Capgemini, mens Fløystad er en del av et program for nyutdannede i Equinor.

To typer maskinlæring

Noe av det spesielle med løsningen er at den bruker to typer maskinlæring, veiledende læring og forsterkende læring, og at dronen baserer seg på data fra et dybdekamera for å forstå omgivelsene.

Veiledet læring ble brukt til å lage et nevralt nettverk som kan komprimere all informasjonen fra et dybdebilde til en informasjonsmengde (64 tall) som agenten klarer å benytte seg av, forklarer de.

Forsterkende læring er samme metode som ble brukt for å utvikle de mest avanserte språkmodellene, som Deepseek-R1 og ChatGPT o1.

– Forsterkende læring er en type maskinlæring som minner om hvordan vi mennesker lærer oss ting. Det handler om å belønning og straff, sier Barlaug.

Slik ser simuleringen av den selvnavigerende dronen ut:

Belønningen for dronen er at den får tilbakemeldinger i form av høye tall. Straffen er lave tall. Etter hvert lærer den seg hvilken type adferd som gir høyest belønning.

– Vi valgte denne masteren fordi droner er litt som den hellige gralen innen kybernetikk, og vi ville ha en fet master, sier Barlaug.

Kan brukes til inspeksjon

Bruksområdet for navigeringssystemet kan være alt fra landbruk til søk og redning eller industriinspeksjoner, typisk bransjer der droner skal følge en gitt sti.

TU har tidligere fortalt at Bergen Robotics og Statnett har planer om å utvikle droner som skal følge en forhåndsbestemt rute for å inspisere kraftlinjer.

Prisen fra NFEA består av 10.000 kroner og et diplom. Her er juryens begrunnelse:

«Oppgaven omhandler feltet autonom navigasjon av drone ved hjelp av høydimensjonale persepsjonsdata i form av dybdebilder. En kompleks problemstilling med enorme mengder multi-dimensjonal data som krever

sanntids respons. Oppgaven er meget velskrevet og strukturert, og har en veldig god evaluering av resultatene. I tillegg er problemstillingen relevant for stadig flere utfordringer innen automasjonsfaget. Juryen anser kandidaten som en meget verdig vinner av prisen.»

.