Neural-Fly: der Algorithmus, mit dem Drohnen jedes Wetter meistern

Neural-Fly: der Deep-Learning-Algorithmus, der Drohnen beibringt, unter allen Bedingungen mit Wind umzugehen

Von links nach rechts Guanya Shi, Soon-Jo Chung und Michael O’Connell vor der Ventilatorwand des Center for Autonomous Systems and Technologies am Caltech. Quelle: https://www.caltech.edu/

Der fragliche Algorithmus kann das Fluggerät buchstäblich in nur zwölf Minuten Flugzeit „trainieren“, in denen ein Bordcomputer Daten unter sechs verschiedenen Windbedingungen aufzeichnet. Neural-Fly wird ausführlich in der am 4. Mai in Science Robotics veröffentlichten Studie beschrieben, die vom Autor Soon-Jo Chung betreut wurde, Professor für Luft- und Raumfahrt sowie für Regelungs- und dynamische Systeme und Forscher am Jet Propulsion Laboratory. Das Projekt entstand im Caltech-Zentrum und wurde dort in einem Real Weather Wind Tunnel getestet, der von mehr als 1.200 computergesteuerten Ventilatoren unterstützt wird, um jedes noch so kleine Detail zu simulieren. Laut Chung hat die Unberechenbarkeit von Wind und Wetterbedingungen die Wissenschaftler veranlasst, ihren Ansatz zu ändern und eine Methode des Deep Learning zu bevorzugen, mit der die Drohne aus früheren Erfahrungen lernt, um sich laufend an die Flugbedingungen anzupassen. Unten ein Videobeitrag: https://www.youtube.com/watch?v=TuF9teCZX0U

Neural-Fly, entwickelt in Zusammenarbeit mit Anima Anandkumar, Bren Professor of Computer Science and Mathematical Sciences, und Yisong Yue, Caltech-Professor für Informatik und mathematische Wissenschaften, beruht auf zuvor bekannten Systemen namens Neural-Lander und Neural-Swarm. Ersteres nutzte eine Deep-Learning-Methode, um Position und Geschwindigkeit der Drohne bei der Landung zu verfolgen, sodass sie ihre Landebahn und die Rotordrehzahl anpassen konnte, um eine möglichst sanfte Landung zu erreichen; Neural-Swarm brachte Drohnen dagegen bei, autonom in unmittelbarer Nähe zueinander zu fliegen.

Ein bemerkenswerter Schritt nach vorn also, um unbemannte Luftfahrzeuge (UAVs) sicherer zu machen und sie an möglichst viele Wettervariablen anpassungsfähig zu machen.

Autor: Guglielmo Maria Ruocco