Algoritme maakt het mogelijk voor autonome drone om sneller te vliegen dan een door een mens bestuurde

In het verleden waren menselijke piloten in staat om succesvol beter te presteren dan autonome systemen als het gaat om het besturen van drones. Echter, een onderzoeksgroep van de Universiteit van Zurich (UZH) heeft een algoritme ontwikkeld dat deze dynamiek verandert.

Drones moeten snel zijn vanwege hun beperkte batterijleven. Dit betekent dat ze taken moeten uitvoeren in zo min mogelijk tijd, inclusief zoek- en reddingsmissies, gebouwinspecties of leveringen. Dit vereist vaak dat drones door een reeks waypoints vliegen, zoals ramen, kamers, kleine ruimtes of andere specifieke locaties. Wanneer ze door deze waypoints vliegen, berekenen drones de beste traject en versnelling of vertraging op elk punt.

Het algoritme van het team

Het algoritme van het onderzoeksteam kan de snelste traject vinden om een quadrotor, een drone met vier propellers, door een reeks waypoints op een circuit te leiden.

Davide Scaramuzza leidt de Robotics and Perception Group van de UZH en de Rescue Grand Challenge van de NCCR Robotics, die verantwoordelijk was voor de financiering van het onderzoek.

“Onze drone heeft de snelste ronde van twee wereldklasse-menselijke piloten op een experimentele racebaan verslagen,” zegt Scaramuzza. “De nieuwheid van het algoritme is dat het het eerste is dat tijd-optimale trajecten genereert die volledig rekening houden met de beperkingen van de drones.”

Eerder onderzoek in dit gebied richtte zich op vereenvoudigingen van het quadrotorsysteem of de beschrijving van de vluchtpad, die beperkende factoren waren.

Phillip Foehn is een PhD-student en de eerste auteur van het artikel.

“Het belangrijkste idee is, in plaats van secties van het vluchtpad toe te wijzen aan specifieke waypoints, dat ons algoritme de drone gewoon vertelt om door alle waypoints te vliegen, maar niet hoe of wanneer dat te doen,” zegt Foehn.

Testen van het nieuwe algoritme

Om het nieuwe systeem te testen, zette het team het algoritme en twee menselijke piloten tegen elkaar, waarbij ze dezelfde quadrotor door een racecircuit vlogen. Ze gebruikten externe camera’s om de beweging van de drones te registreren. Met de autonome drone leverden die camera’s real-time informatie aan het algoritme, zoals de locatie van de drone op elk moment.

Om een eerlijkere systeem te creëren, lieten de onderzoekers de menselijke piloten trainen op het circuit voordat de race begon. Ondanks alle training won het algoritme nog steeds, en waren alle ronden sneller dan die van de menselijke piloten. Het algoritme presteerde ook consistenter dan de mens. Nadat het de beste traject had gevonden, kon het deze herhaaldelijk reproduceren, wat de menselijke piloten niet konden.

De onderzoekers moeten een minder computationeel veeleisend drone ontwikkelen als het in commerciële toepassingen moet worden gebruikt. Het huidige systeem vereist tot een uur voor de computer om de tijd-optimale traject voor het evenement te berekenen, en het vertrouwt op externe camera’s om de locatie op elk moment te berekenen. De wetenschappers willen nu onboardcamera’s onderzoeken.

Ondanks deze vereiste verbeteringen is het feit dat de autonome drone sneller kan vliegen dan de mens een cruciale ontwikkeling.

“Dit algoritme kan enorme toepassingen hebben in pakketbezorging met drones, inspectie, zoek- en reddingsacties en meer,” zegt Scaramuzza.