Een ai-gestuurde drone ontwikkeld door de TU Delft legt een parcours sneller af dan een vergelijkbare drone bestuurd door de beste piloten ter wereld. Dat gebeurde tijdens het WK drone-racen in Abu Dhabi. Volgens de universiteit gaat het om een wereldprimeur.
Team Delft won zowel een wedstrijd tegen dertien autonome drones als een race waaraan de beste dronepiloten ter wereld deelnamen. De drone behaalde tijdens die competitie op een zeer bochtig parcours snelheden tot bijna honderd kilometer per uur. De opgedane kennis over ai moet bijdragen aan toekomstige robotica-toepassingen voor drones, zelfrijdende auto’s en mensachtige robots.
Het doel van de wedstrijd is om de grenzen van fysieke ai te verleggen door onderzoek te doen naar robotische ai. Dat gebeurt onder tijdsdruk en met zeer beperkte computationele en sensorische middelen. De drone had toegang tot maar één vooruitkijkende camera. Dat lijkt op hoe een menselijke dronepiloot vliegt en brengt allerlei uitdagingen op het vlak van perceptie en ai (zie video).
ESA
Een van de nieuwe elementen van de ai van de drone is het gebruik van een diep neuraal netwerk dat geen besturingscommando’s naar een traditionele controller stuurt (die normaal door een mens wordt bediend). De aansturing gaat rechtstreeks naar de motoren. Deze netwerken zijn ontwikkeld door het Advanced Concepts Team van de European Space Agency (ESA) onder de naam Guidance and Control Nets.
Dat team ontdekte dat traditionele, door mensen ontworpen algoritmen voor de beste besturing van drones rekenkundig zo duur uitvallen dat ze nooit kunnen werken aan boord van een drone of satelliet. ESA ontdekte dat diepe neurale netwerken de resultaten van traditionele algoritmen kunnen nabootsen, terwijl ze fors minder verwerkingstijd nodig hebben. Omdat het moeilijk is om te testen of de netwerken goed presteren op echte hardware in het heelal, is een samenwerking aangegaan met het MAVLab van de faculteit Luchtvaart- en Ruimtevaarttechniek van de TU Delft onder leiding van Christophe De Wagter.
Vallen en opstaan
‘We trainen de diepe neurale netwerken nu met reinforcement learning, een vorm van leren door vallen en opstaan’, zegt teamleider De Wagter. ‘Hierdoor kan de drone de fysieke grenzen van het systeem beter benaderen. Om daar te komen, moesten we niet alleen de trainingsprocedure voor de besturing opnieuw ontwerpen, maar ook hoe we kunnen leren over de dynamica van de drone met behulp van zijn eigen sensorwaarnemingen.’
Robotische toepassingen
De efficiënte ai die is ontwikkeld voor de waarneming en besturing van de drone is niet alleen van belang voor autonome racedrones, maar zal zich ook uitbreiden naar andere robots, denken de onderzoekers. Nu wordt ai voor robots nog beperkt door de benodigde reken- en energiebronnen, duidt De Wagter.
‘Sneller vliegen met drones zal belangrijk zijn voor veel economische en maatschappelijke toepassingen, variërend van het op tijd leveren van bloedmonsters en defibrillators tot het vinden van mensen bij natuurrampen. Bovendien kunnen we de ontwikkelde methoden gebruiken om niet naar optimale tijd te streven, maar naar andere criteria zoals optimale energie of veiligheid. Dit zal een impact hebben op vele andere toepassingen, van robotstofzuigers tot zelfrijdende auto’s’, aldus DeWagter.
Primeur
Eerder vloog een ai-drone van de universiteit van Zurich ook sneller dan een drone bestuurd door een piloot. Maar dat was in een geprepareerde lab-omgeving waarbij de drone geprogrammeerd werd voor een specifiek parcours. De Delftse drone past zich aan op een parcours dan het niet kent. Vandaar dat de universiteit claimt dat het om een wereldprimeur gaat.
