Forscher entwickeln Schwarmdrohnen zur Lokalisierung von Gaslecks

Forscher der Technischen Universität Delft haben den ersten Schwarm winziger Drohnen entwickelt, der in der Lage ist, Gaslecks in engen Innenräumen autonom zu erkennen und zu lokalisieren. Um ein Gasleck in einem Gebäude oder Industriegelände zu finden, riskieren Feuerwehrleute ihr Leben, da es lange dauern kann, die Quelle zu entdecken. Diese neuen Drohnen könnten in diesem Bereich große Auswirkungen haben.

KI für Drohnen entwerfen

Die größte Hürde für die Forscher bestand darin, die für die komplexe Aufgabe erforderliche künstliche Intelligenz (KI) zu entwickeln. Aufgrund der geringen Größe der Drohnen mussten die Rechen- und Speicherteile genau in sie passen. Die Forscher setzten auf bioinspirierte Navigations- und Suchstrategien. 

Das Forschungsprojekte wurde auf dem ArXiv-Artikelserver veröffentlicht und wird später im Jahr auf der IROS-Robotikkonferenz vorgestellt.

Was ist für die autonome Lokalisierung von Gasquellen erforderlich?

Die Aufgabe der autonomen Lokalisierung von Gasquellen ist äußerst komplex und erfordert künstliche Gassensoren, die kleine Gasmengen nur unzureichend erkennen können. Außerdem fällt es ihnen schwer, auf schnelle Veränderungen der Gaskonzentrationen empfindlich zu reagieren. 

Neben der eigentlichen Aufgabe macht auch die Umgebung Probleme, wenn sie komplex ist. Aus diesen Gründen hat sich die traditionelle Forschung auf einzelne Roboter konzentriert, die in kleinen, hindernisfreien Umgebungen nach einer Gasquelle suchen. 

Guido de Croon ist ordentlicher Professor am Micro Air Vehicle-Labor der TU Delft. 

„Wir sind überzeugt, dass Schwärme winziger Drohnen ein vielversprechender Weg zur autonomen Lokalisierung von Gasquellen sind“, sagt Guido de Croon. „Aufgrund ihrer geringen Größe sind die Drohnen für alle Menschen und Gegenstände, die sich noch im Gebäude befinden, sehr sicher, während ihre Flugfähigkeit es ihnen ermöglicht, schließlich in drei Dimensionen nach der Quelle zu suchen.“ Darüber hinaus können sie aufgrund ihrer geringen Größe auch in engen Innenräumen fliegen. Schließlich können sie mit einem Schwarm dieser Drohnen eine Gasquelle schneller lokalisieren und gleichzeitig lokalen Maxima der Gaskonzentration entgehen, um die wahre Quelle zu finden.“

Trotz der Vorteile dieser Eigenschaften erschweren sie es Ingenieuren auch, KI in die Drohnen zur autonomen Lokalisierung von Gasquellen zu implementieren. Aufgrund der Einschränkungen bei der On-Board-Erkennung und -Verarbeitung sind die in selbstfahrenden Fahrzeugen verwendeten KI-Algorithmen nicht anwendbar. Da Drohnen in Schwärmen agieren, müssen sie bei der Zusammenarbeit auch Kollisionen untereinander vermeiden.

Bart Duisterhof führte die Forschung an der TU Delft durch. 

„Tatsächlich gibt es in der Natur zahlreiche Beispiele für erfolgreiche Navigation und Geruchsquellenlokalisierung unter strengen Ressourcenbeschränkungen“, sagt Duisterhof. „Denken Sie nur daran, wie Fruchtfliegen mit ihrem winzigen Gehirn aus etwa 100,000 Neuronen im Sommer unfehlbar die Bananen in Ihrer Küche lokalisieren. Sie tun dies, indem sie einfache Verhaltensweisen elegant kombinieren, wie zum Beispiel gegen den Wind oder orthogonal zum Wind fliegen, je nachdem, ob sie den Geruch wahrnehmen. Obwohl wir diese Verhaltensweisen aufgrund des Fehlens von Luftstromsensoren an unseren Robotern nicht direkt kopieren konnten, haben wir unseren Robotern ähnlich einfache Verhaltensweisen beigebracht, um diese Aufgabe zu bewältigen.“

Die winzigen Drohnen basieren auf einem neuen „Bug“-Algorithmus namens „Sniffy Bug“, der es den Drohnen ermöglicht, sich auszubreiten, bevor sie Gas entdecken. Dadurch können sie große Umgebungen abdecken und Hindernissen oder einander ausweichen. 

Sobald eine der Drohnen Gas erkennt, teilt sie dies den anderen mit, die dann zusammenarbeiten, um die Gasquelle so schnell wie möglich zu finden. Genauer gesagt führen die Drohnen eine Suche nach der maximalen Gaskonzentration mit einem Algorithmus namens „Particle Swarm Optimization“ (PSO) durch, bei dem jede Drohne als Partikel fungiert. 

Der Algorithmus wurde vom Sozialverhalten und der Bewegung von Vogelschwärmen inspiriert, wobei sich jede Drohne auf der Grundlage ihres eigenen wahrgenommenen Standorts mit der höchsten Gaskonzentration, des höchsten Standorts des Schwarms sowie ihrer aktuellen Bewegungsrichtung und Trägheit bewegt. Einer der Vorteile von PSO besteht darin, dass nur die Gaskonzentration gemessen werden muss, ohne den Gaskonzentrationsgradienten oder die Windrichtung.

„Diese Forschung zeigt, dass Schwärme winziger Drohnen sehr komplexe Aufgaben ausführen können“, sagt Guido. „Wir hoffen, dass diese Arbeit andere Robotikforscher dazu inspiriert, die Art der KI zu überdenken, die für autonomes Fliegen notwendig ist.“