Der durchschnittliche Mensch hat wahrscheinlich nicht viel darüber nachgedacht, aber es gibt tatsächlich tonnenweise fantastische Anwendungen für einen Drohnenschwarm. Von praktischen Arbeiten wie dem Besprühen von Feldfrüchten bis hin zu einer lebhaften Lichtshow sind dem Himmel sicherlich keine Grenzen gesetzt. Aber zuerst müssen wir ihnen beibringen, nicht zusammenzustoßen.
Auch Enrica Soria, Mathematikingenieurin und Robotik-Doktorandin an der Eidgenössischen Technischen Hochschule Lausanne (EPFL), kümmert sich um dieses Thema. Sie baute ein Computermodell, das erfolgreich die Flugbahnen von fünf autonomen Drohnen simulieren konnte, die ohne eine einzige Kollision durch einen dichten Wald flogen. Sie erkannte jedoch, dass sie, um dies in der realen Welt zu testen, ein überraschendes Hindernis überwinden musste: Bäume.
Drohnen, insbesondere die High-End-Quadrocopter, die sie verwenden wollte, sind teuer, und es war nicht gerade ideal, einige davon während des Tests zu opfern. Also schuf Soria einen künstlichen Wald mit weichen Bäumen, die eigentlich nur ein paar zusammenklappbare Spieltunnel von Ikea waren. Soria sagte: „Selbst wenn die Drohnen in sie hineinkrachen, werden sie nicht kaputt gehen.”
Abgesehen davon, dass die Zerstörung teurer Drohnen (oder unschuldiger Bäume) gestoppt wird, hat das Experiment jedoch weitreichendere Auswirkungen. Da autonome Drohnenschwärme in allen Arten von Branchen und in so vielen Anwendungen immer häufiger vorkommen, muss mehr trainiert werden, um sicherzustellen, dass diese Drohnen nicht miteinander (oder mit Menschen oder Privateigentum) kollidieren, wenn sie unterwegs sind bei der Arbeit. Ein zuverlässiges Kontrollsystem, wie das von Soria, ist ein notwendiger und wichtiger Schritt.
Derzeit werden autonome Schwärme reaktiv gesteuert. Dies bedeutet, dass sie immer Berechnungen basierend auf der Entfernung zu anderen Objekten durchführen, damit sie Hindernissen oder einander ausweichen können. Ebenso werden die Drohnen, wenn sie sich zu weit ausbreiten, dies erkennen und wieder einrücken. Das ist alles schön und gut, aber es bleibt immer noch die Frage, wie lange die Drohne braucht, um diese Anpassungsberechnungen im laufenden Betrieb durchzuführen.
Der neue „Predictive Control”-Algorithmus von Soria arbeitet aktiv daran, diese Verlangsamungen durch eine bessere und effizientere Planung zu vermeiden. Damit kommunizieren sie miteinander, um Bewegungserfassungsdaten in Echtzeit zu interpretieren, um Vorhersagen darüber zu erstellen, wohin sich andere Drohnen in der Nähe bewegen werden, und ihre eigenen Positionen entsprechend anzupassen.
Nachdem sie den künstlichen Wald eingerichtet und die Simulation ausgeführt hatte, stellte sie schnell fest, dass die Drohnen nicht abstürzten und sie nicht in die weicheren Hindernisse investieren musste. Soria bemerkt: „Sie können rechtzeitig vorausschauen. Sie können eine zukünftige Verlangsamung ihrer Nachbarn vorhersehen und die negativen Auswirkungen auf den Flug in Echtzeit reduzieren.”
Aus diesem Grund konnte Soria beweisen, dass ihr Algorithmus es den Drohnen ermöglichte, sich 57 % schneller durch Hindernisse zu bewegen als Drohnen, die reaktive Steuerungen anstelle des Vorhersagealgorithmus verwendeten. Sie stellte die beeindruckenden Ergebnisse in einem Artikel fest, der im Mai in Nature Machine Intelligence veröffentlicht wurde.
Dieses Projekt wurde wie viele andere zum Trainieren autonomer Fahrzeuge von der Natur inspiriert. Ja, wie Fischschwärme, Vogelschwärme und Bienenschwärme. Und natürlich ist die Natur (zumindest im Moment) viel besser darin als wir. Soria merkt an, dass „Biologen sagen, dass es keinen zentralen Computer gibt”, was bedeutet, dass kein einzelnes Tier oder Insekt die Bewegung für den Rest der Gruppe steuert. Vielmehr berechnet jedes Individuum seine eigene Umgebung – wie Hindernisse und sogar andere Fische oder Vögel oder Bienen – und bewegt sich entsprechend.
Obwohl das Konzept der prädiktiven Steuerung eine Premiere für Drohnen ist, ist es eine alte Idee. Zuvor haben Wissenschaftler das Modell verwendet, um Bereiche und Systeme für zwei Fahrzeuge zu navigieren, die sich entlang vordefinierter Trajektorien bewegen. Die vorausschauende Steuerung stützt sich auf mehrere Echtzeitberechnungen, und wenn der Algorithmus, auf dem sie läuft, nicht elegant ist, könnte sie die Rechenkapazität jeder Drohne ausschöpfen.
Bei so vielen Variablen wie Geschwindigkeit und Entfernung im Spiel muss auch der Algorithmus sorgfältig und gründlich durchdacht werden. Grundlegende Parameter wie der zulässige Mindestabstand zwischen Drohnen müssen berücksichtigt werden, um Drohnen-zu-Drohnen-Kollisionen zu vermeiden, aber komplexere Dinge wie Flugverbotszonen und eine effiziente Pfadkartierung bei gewünschten Geschwindigkeiten müssen in der Lage sein, ohne Störungen im laufenden Betrieb zu berechnen alles auf.
Je definierter und damit leistungsstärker diese Algorithmen werden, desto einfacher können sie eine größere Vielfalt von Aufgaben ausführen, die für Menschen schwierig oder ineffizient sind, wie z. B. koordinierte Lieferungen in großen Ballungsgebieten oder Such- und Rettungsmissionen aus der Luft. Aber so wie es ist, ist Sorias Algorithmus ein großer Schritt nach vorne für Drohnen.
über Kabel