Dankzij een nieuwe vorm van AI vliegt deze drone met 40 km/uur door het bos

Tot voor kort lukte het eigenlijk alleen goed getrainde FPV dronepiloten om met een drone op hoge snelheid door een dicht begroeid bos te vliegen. Maar dankzij onderzoek op het gebied van kunstmatige intelligentie zijn wetenschappers erin geslaagd om een quadcopter geheel autonoom met 40 km/uur door een bos te laten vliegen en daarbij alle takken te ontwijken. Uniek is dat de drone niet eerst in een soortgelijke omgeving getraind hoeft te worden.

Dataverwerking als bottleneck

De werking van de autonoom vliegende drone werd onlangs gepubliceerd in het wetenschappelijke tijdschrift Science Robotics. “Quadrotor drones zijn van zichzelf zeer wendbaar, maar tot nu toe waren alleen menselijke dronepiloten in staat om het uiterste uit de drone te halen”, schrijven de onderzoekers. “Autonoom vliegen op basis van ingebouwde sensoren en rekenkracht was tot nu toe beperkt tot lage snelheden.”

Bij de huidige generatie autonoom vliegende drones die op basis van kunstmatige intelligentie (AI) werken worden de verschillende taken waarneming, mapping en planning opeenvolgend uitgevoerd. Met andere woorden: de drone neemt eerst de omgeving waar, daarna wordt de omgeving omgezet in een 3D-representatie, waarna het volgende stukje vliegroute wordt bepaald. Die aanpak is echter te langzaam en te foutgevoelig in zeer complexe omgevingen zoals een dichtbegroeid bos. De manier waarop de data wordt verwerkt is dus de bottleneck.

Nieuwe methode

Een nieuwe vorm van computer vision en AI kan hier verandering in brengen, bewijzen onderzoekers verbonden aan de UZH Robotics and Perception Group. Uit de samenvatting van de recent gepubliceerde research paper:

“Het belangrijkste principe is om sensorische waarnemingen met ruis rechtstreeks in kaart te brengen in botsingsvrije banen op een manier met een terugwijkende horizon. Deze directe mapping vermindert de verwerkingslatentie drastisch en verhoogt de robuustheid tegen ruis en onvolledige waarneming. De sensomotorische mapping wordt uitgevoerd door een convolutienetwerk dat uitsluitend is getraind in simulatie via geprivilegieerd leren: het imiteren van een expert met toegang tot bevoorrechte informatie.

Door realistische sensorruis te simuleren, bereikt onze aanpak een zero-shot-overdracht van simulatie naar uitdagende real-world omgevingen die nooit zijn ervaren tijdens de training: dichte bossen, besneeuwd terrein, ontspoorde treinen en ingestorte gebouwen. Ons werk toont aan dat end-to-end-beleid dat is getraind in simulatie, autonoom vliegen met hoge snelheid door uitdagende omgevingen mogelijk maakt, en beter presteert dan traditionele pijpleidingen voor het vermijden van obstakels.”

Goed getrainde piloot imiteren

Met andere woorden: de drone kan zelfstandig een route bepalen door een omgeving die volledig nieuw voor hem is, dus zonder dat er eerst getraind is op de betreffende situatie. En dat met hoge snelheid, dankzij de kortere dataverwerkingspijplijn. De drone doet als het ware een goed geoefende FPV dronepiloot na. In onderstaande video wordt de nieuwe techniek gedemonstreerd:

Toepassingen

Dankzij het algoritme kunnen drones in de toekomst zelfstandig door allerlei complexe omgevingen worden gestuurd, zonder dat er een menselijke piloot aan de knoppen hoeft te zitten. Denk aan search & rescue toepassingen in een lastig toegankelijk terrein of een deels ingestort gebouw. Natuurlijk zijn er ook de nodige militaire toepassingen denkbaar.