Algoritme gør det muligt for autonom drone at flyve hurtigere end menneskestyret

I fortiden har menneskelige piloter kunnet udvikle og udføre autonomiske systemer, når det kommer til at flyve droner. Men en forskningsgruppe fra University of Zurich (UZH) har udviklet en algoritme, der ændrer denne dynamik.

Droner skal være hurtige på grund af deres begrænsede batterilevetid. Det betyder, at de skal udføre opgaver så hurtigt som muligt, herunder søg- og redningsmissioner, bygninginspektioner eller levering. Dette kræver ofte, at droner skal flyve gennem en række waypoints, såsom vinduer, rum, små rum eller andre bestemte lokaliteter. Når droner flyver gennem disse waypoints, finder de den bedste bane og acceleration eller deceleration i hvert punkt.

Teamets Algoritme

Forskningsholdets algoritme kan finde den hurtigste bane til at guide en quadrotor, der er en drone med fire propeller, gennem en række waypoints på en bane.

Davide Scaramuzza leder Robotics and Perception Group på UZH og Rescue Grand Challenge of the NCCR Robotics, som var ansvarlig for at finansiere forskningen.

“Vores drone slog den hurtigste omgang af to verdensklasse menneskelige piloter på en eksperimental racerbane,” siger Scaramuzza. “Nytænkningen i algoritmen er, at det er den første, der genererer tidsoptimerede baner, der fuldt ud tager dronernes begrænsninger i betragtning.”

Tidligere arbejde på dette område fokuserede på forenklinger af quadrotorsystemet eller beskrivelsen af flyvebanen, som var begrænsende faktorer.

Phillip Foehn er en ph.d.-studerende og første forfatter af artiklen.

“Nøgleideen er, at i stedet for at tildele dele af flyvebanen til bestemte waypoints, fortæller vores algoritme blot dronen at passere gennem alle waypoints, men ikke hvordan eller hvornår at gøre det,” siger Foehn.

Test af den nye Algoritme

For at teste det nye system, satte holdet algoritmen og to menneskelige piloter op mod hinanden, hvor de fløj den samme quadrotor gennem en racerbane. De afhængige af eksterne kameraer til at fange dronernes bevægelser. Med den autonome drone, gav kameraerne algoritmen realtidsinformation om dronens placering på ethvert givent tidspunkt.

For at skabe en mere fair system, tillod forskerne, at de menneskelige piloter trænede på banen før racen. Trods al denne træning, vandt algoritmen stadig, og alle dens omgange var hurtigere end de menneskelige. Algoritmen opførte sig også mere konsekvent end de menneskelige. Efter at have fundet den bedste bane, kunne den gentage den igen og igen, hvilket de menneskelige ikke kunne.

Forskerne må skabe en mindre beregningskrævende drone, hvis den skal kunne anvendes i kommercielle formål. Det nuværende system kræver op til en time for computeren at beregne den tidsoptimerede bane for begivenheden, og det afhænger af eksterne kameraer til at beregne sin placering på ethvert givent tidspunkt. Forskerne ønsker nu at udforske onboard-kameraer.

Selv med disse nødvendige fremskridt er det en afgørende udvikling, at den autonome drone kan flyve hurtigere end den menneskestyrede.

“Denne algoritme kan have enorme anvendelser i pakkelevering med droner, inspektion, søg- og redningsmissioner og mere,” siger Scaramuzza.