Onboard-Sensorik:
Der Vergleich dieser leistungsstarken Quadrocopter mit der Art von Drohnen, die Hobbyfotografen zum Fotografieren nutzen, ist wie der Vergleich eines Düsenjägers mit einem Leichtflugzeug: Rennquadrotoren sind stark auf Geschwindigkeit und Agilität optimiert. Ein typischer Renn-Quadrotor kann eine Kraft von 35 Newtonmetern (26 Pfund-Fuß) abgeben, wobei vier Motoren dreiblättrige Propeller mit 30.000 U/min drehen. Die Drohne wiegt nur 870 Gramm, inklusive einer 1.800-Milliamperestunden-Batterie, die nur 2 Minuten durchhält. Dieses extreme Leistungsgewicht ermöglicht es der Drohne, mit 4,5 g zu beschleunigen und in weniger als einer Sekunde 100 Stundenkilometer zu erreichen.
Scaramuzza stimmt zu. „Menschen verfügen über viel mehr Erfahrung, angesammelt durch jahrelange Interaktion mit der Welt“, sagt er. „Ihr Wissen ist so viel umfassender, weil sie in vielen verschiedenen Situationen geschult wurden.“ Das Problem, mit dem wir in der Robotik-Community derzeit konfrontiert sind, besteht darin, dass wir für jede spezifische Aufgabe immer einen Algorithmus trainieren müssen. „Der Mensch ist immer noch besser als jede Maschine, weil er in sehr komplexen Situationen und bei unvollständigen Daten bessere Entscheidungen treffen kann.“
Menschen fliegen in der sogenannten First-Person-Ansicht (FPV) mit Drohnen um die Wette, wobei sie eine Videobrille verwenden, die einen Echtzeit-Feed von einer an der Vorderseite der Drohne montierten Kamera anzeigt. Die von den Piloten in Zürich eingesetzten FPV-Videosysteme können mit 60 Interlaced-Bildern pro Sekunde in relativ schlechter analoger VGA-Qualität übertragen. In der Simulation üben Drohnenpiloten in HD mit über 200 Bildern pro Sekunde, was einen erheblichen Unterschied macht. „Einige der Entscheidungen, die wir treffen, basieren auf nur vier Datenrahmen“, erklärt Bitmatta. „Höhere Videoqualität mit besseren Bildraten und geringerer Latenz würde uns viel mehr nutzbare Daten liefern.“ Eines der Dinge, die die Robotiker jedoch am meisten beeindruckt, ist, wie gut Menschen mit der verfügbaren Videoqualität abschneiden . Es deutet darauf hin, dass diese Piloten die Fähigkeit entwickeln, das Äquivalent der Lokalisierungs- und Zustandsschätzungsalgorithmen des Roboters auszuführen.
Nvidia Jetson TX2
Die autonomen Rennquadrotoren haben ähnliche Spezifikationen, aber der, den wir gerade fliegen sahen, hat keine Kamera, weil er keine braucht. Stattdessen wurde der Hangar mit einem Infrarot-Trackingsystem mit 36 Kameras ausgestattet, das die Drohne 400 Mal pro Sekunde auf Millimeter genau lokalisieren kann. Durch die Kombination der Standortdaten mit einer Karte des Kurses kann ein Off-Board-Computer die Drohne auf einer optimalen Flugbahn steuern, die selbst für den besten menschlichen Piloten nur schwer, wenn nicht unmöglich, zu erreichen wäre.
35 Newtonmeter (26 Pfund-Fuß)
Zurich Drone Racing: KI vs. Menschhttps://rpg.ifi.uzh.ch/
Je vertrauter die menschlichen Piloten mit der Strecke werden, desto kürzer werden ihre Rundenzeiten. Zehn Sekunden pro Runde. Dann 8 Sekunden. Dann 6,5 Sekunden. Verborgen hinter ihren FPV-Headsets konzentrieren sich die Piloten intensiv, während ihre Quadrocopter kreischend durch die Tore wirbeln. Swift hingegen ist viel konstanter und fährt typischerweise Rundenzeiten unter 6 Sekunden, schafft es aber häufig nicht, drei aufeinanderfolgende Runden ohne Unfall zu absolvieren. Als die menschlichen Piloten Swifts Rundenzeiten sehen, drängen sie sich selbst und ihre Rundenzeiten verkürzen sich weiter. Es wird sehr knapp.
Die alleinige Nutzung der Sicht bringt erhebliche Einschränkungen für die Flugweise der Drohne mit sich. Während beispielsweise Quadrocopter gleichermaßen in jede Richtung fliegen können, muss die Kamera von Swift die meiste Zeit nach vorne zeigen. Es gibt auch das Problem der Bewegungsunschärfe, die auftritt, wenn die Belichtungsdauer eines einzelnen Bildes im Kamerabild der Drohne lang genug ist, dass die Eigenbewegung der Drohne in diesem Zeitraum deutlich wird. Bewegungsunschärfe ist besonders problematisch, wenn sich die Drohne dreht: Die hohe Winkelgeschwindigkeit führt zu einer Unschärfe, die die Drohne quasi blind macht. Die Robotiker müssen ihre Flugrouten so planen, dass Bewegungsunschärfen minimiert werden. Dabei müssen sie einen Kompromiss zwischen einer zeitoptimalen Flugroute und einer Flugroute finden, die die Drohne ohne Abstürze fliegen kann.
4,5 g
Auf der Strecke können die menschlichen Piloten fast mit Swift mithalten: Die beste Drei-Runden-Zeit des Roboters beträgt 17,465 Sekunden, während Bitmattas 18,746 Sekunden beträgt und Vanover 17,956 Sekunden schafft. Aber in neun direkten Rennen mit Swift gewinnt Vanover vier und in sieben Rennen gewinnt Bitmatta drei. Das liegt daran, dass Swift die meiste Zeit nicht ins Ziel kommt und entweder mit einem Tor oder mit seinem Gegner kollidiert. Die menschlichen Piloten können sich von Kollisionen erholen und bei Bedarf sogar vom Boden aus neu starten. Swift verfügt nicht über diese Fähigkeiten. Der Roboter ist schneller, aber auch weniger robust.
„Drohnenrennen [gegen Menschen] sind ein idealer Rahmen, um den Fortschritt der autonomen, auf Visionen basierenden Robotik zu bewerten“, erklärt Scaramuzza. „Und wenn man Drohnenrennen löst, gehen die Anwendungen viel weiter, weil dieses Problem auf andere Robotikanwendungen wie Inspektion, Lieferung oder Suche und Rettung verallgemeinert werden kann.“
AI Racing FPV-Drohne vollständig gesendet! – Universität Zürichyoutu.be
Diese autonomen Drohnen betrügen gewissermaßen. Zugriff auf die Einzelansicht haben die menschlichen Piloten nur über eine an der Drohne montierte Kamera, zusammen mit ihrem Streckenwissen und ihrer Flugerfahrung. Daher ist es wirklich keine Überraschung, dass Sensoren und Computer im Wert von 400.000 US-Dollar einen menschlichen Piloten übertreffen können. Aber der Grund, warum diese professionellen Drohnenpiloten nach Zürich gekommen sind, ist, um zu sehen, wie sie sich in einem eigentlich fairen Wettbewerb schlagen würden.
Es scheine, als würden auch die menschlichen Piloten versuchen, eine zeitoptimale Flugbahn zu berechnen, sagt Scaramuzza. „Einige Piloten haben uns erzählt, dass sie nach mehreren Stunden Probezeit versuchen, sich eine imaginäre Linie durch einen Kurs vorzustellen. Wir spekulieren also, dass sie tatsächlich eine mentale Karte der Umgebung erstellen und lernen, eine optimale Flugbahn zu berechnen, der sie folgen können. Es ist sehr interessant – es scheint, dass sowohl Menschen als auch Maschinen auf die gleiche Weise denken.“
Die Lösung, sagt Scaramuzza, sei der Einsatz von Deep-Reinforcement-Learning. Sie trainieren Ihr System immer noch in der Simulation, aber Sie beauftragen Ihren Reinforcement-Learning-Algorithmus auch damit, kontinuierliche Anpassungen vorzunehmen und das System auf eine bestimmte Spur in einer realen Umgebung abzustimmen. Einige reale Daten werden auf der Strecke gesammelt und der Simulation hinzugefügt, sodass der Algorithmus realistische „verrauschte“ Daten einbeziehen kann, um sie besser auf das Fliegen auf der tatsächlichen Strecke vorzubereiten. Die Drohne wird auf diese Weise nie die mathematisch optimale Flugbahn fliegen, aber sie wird viel schneller fliegen, als wenn sie eine Flugbahn verwenden würde, die in einer vollständig simulierten Umgebung entworfen wurde.
„Menschliche Piloten sind viel besser in der Lage zu verallgemeinern, spontan Entscheidungen zu treffen und aus Erfahrungen zu lernen als die autonomen Systeme, die wir derzeit haben“, erklärt Christian Pfeiffer, ein Neurowissenschaftler, der an der UZH zum Robotiker wurde und die Funktionsweise menschlicher Drohnen untersucht Piloten tun, was sie tun. „Menschen haben sich daran gewöhnt, in die Zukunft zu planen – Roboter haben diese langfristige Vision nicht.“ Ich sehe darin derzeit einen der Hauptunterschiede zwischen Menschen und autonomen Systemen.“
130+ Kilometer pro Stunde
2 Minuten
Für die menschlichen Piloten sind die Herausforderungen ähnlich. Die Quadrotoren sind in der Lage, weitaus bessere Leistungen zu erbringen, als Piloten normalerweise nutzen. Bitmatta schätzt, dass er seine Drohne mit etwa 60 Prozent ihrer Maximalleistung fliegt. Der größte limitierende Faktor für die menschlichen Piloten ist jedoch der Video-Feed.
Elia Kaufmann von der UZH bereitet eine autonome visionsbasierte Drohne für ein Rennen vor. Da das Fahrwerk die Renndrohnen nur verlangsamen würde, starten sie von der Tribüne aus und können so direkt zum ersten Tor starten.Evan Ackerman
Soweit Scaramuzza weiß, war die Veranstaltung in Zürich, die letzten Sommer stattfand, das erste Mal, dass ein vollständig autonomer mobiler Roboter in einem realen Wettkampfsport Weltmeisterleistungen erbrachte. Aber er betont: „Dies ist immer noch ein Forschungsexperiment.“ Es ist kein Produkt. Wir sind weit davon entfernt, etwas zu schaffen, das in jeder Umgebung und unter allen Bedingungen funktioniert.“
Von da an bleibt nur noch zu entscheiden, wie weit Swift vorangetrieben werden soll. Einer der leitenden Forscher, Elia Kaufmann, zitiert Mario Andretti: „Wenn alles unter Kontrolle zu sein scheint, sind Sie einfach nicht schnell genug.“ Den Rand der Kontrolle zu finden, ist der einzige Weg, wie die autonomen, visionsbasierten Quadrocopter funktionieren werden in der Lage, schneller zu fliegen als die von Menschen gesteuerten. „Wenn wir einen erfolgreichen Lauf hatten, haben wir einfach noch einmal das Tempo erhöht“, sagt Kaufmann. „Und das machten wir so lange, bis wir abstürzten. Sehr oft sind unsere Bedingungen, um am Ende des Tages nach Hause zu gehen, entweder, dass alles funktioniert hat, was nie passiert, oder dass alle Drohnen kaputt sind.“
Das Rennen beginnt an einem Samstagmorgen. Sonnenlicht strömt durch die Oberlichter und offenen Türen des Hangars, und als die menschlichen Piloten und autonomen Drohnen beginnen, Testrunden über die Strecke zu fliegen, wird sofort klar, dass die visionsbasierten Drohnen nicht mehr so gut funktionieren wie zuvor die Nacht davor. Sie geraten regelmäßig an die Seiten der Tore und geraten außer Kontrolle, ein verräterisches Zeichen dafür, dass die visionsbasierte Zustandsschätzung ins Wanken gerät. Die Robotiker scheinen frustriert zu sein. Die menschlichen Piloten scheinen vorsichtig optimistisch.
Der Gewinner des Wettbewerbs fliegt die drei schnellsten Runden in Folge ohne zu stürzen. Die Menschen und die Roboter verfolgen dieses Ziel im Wesentlichen auf die gleiche Weise, indem sie die Parameter ihres Fluges anpassen, um den Punkt zu finden, an dem sie gerade noch die Kontrolle haben. Quadrotoren stürzen in Tore, Wände, Böden und Decken, während die Rennfahrer an ihre Grenzen gehen. Dies ist ein normaler Teil des Drohnenrennens, und es gibt Dutzende Ersatzdrohnen und Personal, die sie reparieren, wenn sie kaputt gehen.
Zurich Drone Racing: Onboard Viewhttps://rpg.ifi.uzh.ch/
Während die von Menschen gesteuerten Drohnen [rot] jeweils mit einer FPV-Kamera ausgestattet sind, verfügt jede der autonomen Drohnen [blau] über ein Intel RealSense Vision-System, das von einem Nvidia Jetson TX2-Bordcomputer angetrieben wird. Beide Drohnensätze sind außerdem mit reflektierenden Markierungen ausgestattet, die von einem externen Kamerasystem verfolgt werden. Evan Ackerman
Um eine gleichmäßige Beleuchtung zu gewährleisten, wurden fast alle Daten für Swifts Training nachts gesammelt, sagt Kaufmann. „Das Schöne an der Nacht ist, dass man die Beleuchtung steuern kann; Sie können das Licht einschalten und haben immer die gleichen Bedingungen. Wenn Sie morgens fliegen, wenn das Sonnenlicht in den Hangar fällt, ist es für die Kamera aufgrund des Gegenlichts schwierig, die Tore zu erkennen. Wir kommen mit diesen Bedingungen zurecht, müssen aber mit geringerer Geschwindigkeit fliegen. Wenn wir das System an seine absoluten Grenzen bringen, opfern wir Robustheit.“
Dieser Artikel erscheint in der Printausgabe vom September 2023 unter dem Titel „Superhuman Speed: AI Drones for the Win.“
Höchstgeschwindigkeit:
Mittlerweile nehmen die menschlichen Piloten dies gelassen hin. „Zu sehen, wie Menschen Rennen als Lernmethode nutzen – das weiß ich zu schätzen“, sagt Bitmatta. „Ein Teil von mir ist ein Rennfahrer, der nicht möchte, dass irgendetwas schneller ist als ich.“ Und ein Teil von mir ist wirklich gespannt darauf, wohin diese Technologie führen kann. Die Möglichkeiten sind endlos und dies ist der Beginn von etwas, das die ganze Welt verändern könnte.“
Zu diesem Zweck verwendet der Quadrocopter ein Intel RealSense-Vision-System, um die Ecken der Renntore und andere visuelle Merkmale zu identifizieren und sich auf der Strecke zu lokalisieren. Ein Nvidia Jetson TX2-Modul, das eine GPU, eine CPU und zugehörige Hardware umfasst, verwaltet die gesamte Bildverarbeitung und -steuerung an Bord.
Evan Ackerman
Der professionelle Drohnenpilot Thomas Bitmatta [links] untersucht die vom externen Trackingsystem aufgezeichneten Flugrouten. Die menschlichen Piloten hatten das Gefühl, dass sie durch das Studium der Roboter besser fliegen könnten.Evan Ackerman
Kaufmann von der UZH widerspricht nicht. „Vor dem Rennen waren wir davon ausgegangen, dass Konstanz unsere Stärke sein würde. Das war nicht der Fall.“ Um die Drohne robuster zu machen, damit sie sich an unterschiedliche Lichtverhältnisse anpassen kann, gehe es vor allem darum, mehr Daten zu sammeln, fügt Kaufmann hinzu. „Wir können dem entgegenwirken, indem wir das Wahrnehmungssystem umschulen, und ich bin sicher, dass wir uns erheblich verbessern können.“ Kaufmann ist davon überzeugt, dass die potenzielle Leistung der autonomen visionsbasierten Drohnen unter kontrollierten Bedingungen bereits weit über der Leistung menschlicher Piloten liegt sind fähig. Auch wenn dies durch den Wettbewerb nicht schlüssig bewiesen wurde, hat Kaufmann durch den Einsatz der menschlichen Piloten nach Zürich und das Sammeln von Daten über ihre Flugweise noch mehr Vertrauen in die Fähigkeiten von Swift gewonnen. „Wir hatten die menschlichen Piloten überschätzt“, sagt er. „Wir haben ihre Leistung während des Trainings gemessen und sind etwas langsamer geworden, um unsere Erfolgsquote zu erhöhen, weil wir gesehen haben, dass wir langsamer fliegen und trotzdem gewinnen können.“ „Unsere schnellsten Strategien beschleunigen den Quadrocopter auf 4,5 g, aber wir haben gesehen, dass wir auch dann einen sicheren Sieg erringen können, wenn wir nur auf 3,8 g beschleunigen.“
„Die absolute Leistung des Roboters – wenn er funktioniert, ist er brillant“, sagt Bitmatta, als ich am Ende des Renntages mit ihm spreche. „Es liegt etwas weiter vor uns, als ich dachte. Für den Menschen ist es immer noch möglich, es zu schaffen, aber das Gute für uns im Moment ist, dass es nicht so aussieht, als wäre es sehr anpassungsfähig.“
„Ich weiß gar nicht, was ich gerade gesehen habe“, sagt Alex Vanover, als die Drohne nach der 75-Meter-Strecke in 5,3 Sekunden zum Stillstand kommt. „Das war wunderschön“, fügt Thomas Bitmatta hinzu. „Eines Tages ist es mein Traum, das zu erreichen.“ Vanover und Bitmatta sind wohl die weltbesten Drohnen-Rennpiloten und mehrjährige Meister hart umkämpfter internationaler Drohnen-Rennstrecken. Und sie sind hier, um zu beweisen, dass menschliche Piloten nicht von Robotern besiegt wurden. Noch.
Abgesehen davon, dass sie die Drohnen besser an unterschiedliche Lichtverhältnisse anpassen können, bringen die Robotiker Swift bei, von einem bekannten Kurs auf einen neuen zu verallgemeinern, wie es Menschen tun, und sicher um andere Drohnen herumzufliegen. Alle diese Fähigkeiten sind übertragbar und werden schließlich zu praktischen Anwendungen führen. „Drohnenrennen bringen ein autonomes System an seine absoluten Grenzen“, sagt Robotiker Christian Pfeiffer. „Es ist nicht das ultimative Ziel – es ist ein Sprungbrett zum Bau besserer und leistungsfähigerer autonomer Roboter.“ Wenn einer dieser Roboter durch Ihr Fenster fliegt und ein Paket auf Ihrem Couchtisch ablegt, bevor er losfährt Nochmals, diese Forscher haben sich Ihren Dank verdient.
Intel RealSense T265 Tracking-Kamera
Onboard-Computing:
Gewicht:
„Ich denke, dass wir als Menschen viel von der Art und Weise lernen können, wie diese Roboter fliegen.“ – Thomas Bimatta
Scaramuzza ist zuversichtlich, dass seine Drohnen eines Tages die Meister der Luft sein werden – nicht nur in einem sorgfältig kontrollierten Hangar in Zürich, sondern überall dort, wo sie der Menschheit nützlich sein können. „Ich denke, letztendlich wird eine Maschine besser sein als jeder menschliche Pilot, insbesondere wenn Beständigkeit und Präzision wichtig sind“, sagt er. „Ich glaube nicht, dass das umstritten ist. Die Frage ist, wann? Ich glaube nicht, dass das in den nächsten Jahrzehnten passieren wird. Im Moment sind Menschen mit schlechten Daten viel besser dran. Aber das ist nur ein Wahrnehmungsproblem, und Computer Vision macht große Fortschritte. „Letztendlich wird die Robotik den Menschen nicht nur einholen, sondern ihn sogar übertreffen.“
Davide Scaramuzza [ganz links], Elia Kaufmann [ganz rechts] und weitere Robotiker der Universität Zürich verfolgen ein spannendes Rennen. Regina Sablotny
Die autonomen, visionsbasierten Drohnen waren zwar schnell, aber auch weniger robust. Schon kleine Fehler könnten zu Abstürzen führen, von denen sich die autonomen Drohnen nicht mehr erholen könnten.Regina Sablotny
Es wird verschiedene Maßstäbe geben, anhand derer entschieden werden kann, ob die Menschen oder die Roboter schneller sind. Das externe Lokalisierungssystem, das letzte Nacht zur aktiven Steuerung der autonomen Drohne verwendet wurde, wird heute zur passiven Verfolgung und Aufzeichnung der Zeiten für jeden Streckenabschnitt, jede Runde der Strecke und für jedes Drei-Runden-Multidrohnenrennen verwendet.
Thomas Bitmatta, zweifacher MultiGP International Open World Cup-Champion, steuert seine Drohne im FPV durch die Strecke (Ego-Perspektive).Regina Sablotny
215 Millimeter
Beschleunigung:
Bitmatta ist der Meinung, dass auch die Menschen viel mehr Potenzial haben. „Die Art des Fliegens, die wir letztes Jahr gemacht haben, war nichts im Vergleich zu dem, was wir jetzt machen.“ Unser Fortschrittstempo ist wirklich schnell. Und ich denke, wir als Menschen können viel von der Art und Weise lernen, wie diese Roboter fliegen.“
Flugdauer:
Roboter sind hier im Vorteil, weil es (in der Simulation) möglich ist, diese Flugbahn für einen gegebenen Kurs nachweislich optimal zu berechnen. Aber wenn man die optimale Flugbahn kennt, kommt man nur begrenzt weit. Scaramuzza erklärt, dass Simulationen nie ganz genau sind und Dinge, die besonders schwer zu modellieren sind – darunter die turbulente Aerodynamik einer Drohne, die durch ein Tor fliegt, und die Flexibilität der Drohne selbst – es schwierig machen, diese optimale Flugbahn einzuhalten.
870 Gramm
Doch in seinem Bemühen, schneller zu fliegen, versucht Bitmatta zu vermeiden, einer vordefinierten Flugbahn zu folgen. „Beim vorausschauenden Fliegen versuche ich, nach dem Plan zu fliegen, den ich im Kopf habe. Beim reaktiven Fliegen schaue ich auf das, was vor mir liegt, und reagiere ständig auf meine Umgebung.“ Vorausschauendes Fliegen kann in einer kontrollierten Umgebung schnell sein, aber wenn etwas Unvorhersehbares passiert oder wenn Bitmatta überhaupt einen Auftrag hat Bei einem Konzentrationsverlust muss die Drohne Dutzende Meter zurückgelegt haben, bevor sie reagieren kann. „Ein reaktives Fliegen von Anfang an kann Ihnen helfen, sich von dem Unerwarteten zu erholen“, sagt er.
Die Kopf-an-Kopf-Rennen beginnen, wobei Swift und ein menschlicher Pilot beim Klang des Starthorns Seite an Seite starten. Der Mensch ist sofort im Nachteil, denn die Reaktionszeit eines Menschen ist im Vergleich zu der eines Roboters langsam: Swift kann in weniger als 100 Millisekunden starten, während ein Mensch etwa 220 ms braucht, um ein Geräusch zu hören und darauf zu reagieren.
Eine von Menschen gesteuerte Renndrohne [rot] jagt eine autonome visionsbasierte Drohne [blau] mit über 13 Metern pro Sekunde durch ein Tor.Leonard Bauersfeld
Obwohl es bereits Drohnen gibt, die diese Aufgaben übernehmen, fliegen sie in der Regel langsam und vorsichtig. Laut Scaramuzza kann die Fähigkeit, schneller zu fliegen, Drohnen effizienter machen, ihre Flugdauer und Reichweite und damit ihren Nutzen verbessern. „Wenn Sie möchten, dass Drohnen den Menschen bei langweiligen, schwierigen oder gefährlichen Aufgaben ersetzen, müssen die Drohnen Dinge schneller und effizienter erledigen als Menschen.“ Darauf arbeiten wir hin – das ist unser Ziel“, erklärt Scaramuzza. „In der Robotik gibt es viele schwierige Herausforderungen. Schnelles, agiles und autonomes Fliegen ist eines davon.“
Die Drohne schreit. Es fliegt so schnell, dass es aussichtslos ist, es mit meiner Kamera zu verfolgen, also gebe ich auf und schaue ungläubig zu. Das kreischende Heulen der vier Motoren des rasenden Quadrocopters schwingt auf und ab, während sich die Drohne mit einer Geschwindigkeit, die im wahrsten Sinne des Wortes übermenschlich ist, durch die quadratischen Plastiktore der Strecke dreht, dreht und rückwärts dreht. Ich kauere hinter einem Sicherheitsnetz in einem Hangar auf einem Flugplatz etwas außerhalb von Zürich, zusammen mit den Entwicklern der Drohne von der Robotics and Perception Group der Universität Zürich.
„Wir versuchen, Geschichte zu schreiben“, sagt Davide Scaramuzza, der die Gruppe Robotik und Wahrnehmung an der Universität Zürich (UZH) leitet. „Wir wollen zeigen, dass eine KI-gestützte, visionsbasierte Drohne in einem Drohnenrennen eine Leistung auf menschlichem und vielleicht sogar übermenschlichem Niveau erreichen kann.“ Der Einsatz von Vision ist hier der Schlüssel: Scaramuzza hat an Drohnen gearbeitet Sie haben einen Sinn, wie es die meisten Menschen tun, indem sie sich auf Kameras verlassen, um die Welt um sich herum wahrzunehmen, und Entscheidungen hauptsächlich auf der Grundlage dieser visuellen Daten treffen. Das ist es, was das Rennen fair macht – menschliche Augen und ein menschliches Gehirn im Gegensatz zu Roboteraugen und einem Robotergehirn, wobei jeder Teilnehmer die gleichen Rennquadrotoren so schnell wie möglich um die gleiche Strecke fliegt.
Rahmengröße:
Bei Drohnenrennen ist ein Absturz ein Teil des Prozesses. Sowohl Swift als auch die menschlichen Piloten brachten Dutzende Drohnen zum Absturz, die ständig repariert wurden.Regina Sablotny
Maximaler Schub:
Sobald Swift seine gewünschte Flugbahn bestimmt hat, muss es die Drohne entlang dieser Flugbahn navigieren. Ob Sie eine Drohne fliegen oder ein Auto fahren, bei der Navigation geht es um zwei grundlegende Dinge: zu wissen, wo Sie sich befinden und zu wissen, wie Sie dorthin gelangen, wo Sie hin möchten. Die autonomen Drohnen haben die zeitoptimale Route im Voraus berechnet. Um diese Route fliegen zu können, benötigen sie jedoch eine zuverlässige Möglichkeit, ihren eigenen Standort sowie ihre Geschwindigkeit und Ausrichtung zu bestimmen.
Verwandte Artikel im Internet
Dieses Verständnis, dass Menschen immer noch weitaus bessere Generalisten sind, hat der Rasse einige erhebliche Einschränkungen auferlegt. Die „Fairness“ ist stark zu Gunsten der Roboter ausgerichtet, da das Rennen zwar auf größtmögliche Gleichberechtigung ausgelegt ist, aber in der einzigen Umgebung stattfindet, in der Swift wahrscheinlich eine Chance hat. Die Robotiker haben ihr Bestes getan, um Unvorhersehbarkeiten zu minimieren – im Hangar weht beispielsweise kein Wind und die Beleuchtung wird streng kontrolliert. „Wir verwenden modernste Wahrnehmungsalgorithmen“, erklärt Scaramuzza, „aber selbst die besten Algorithmen weisen immer noch viele Fehlermöglichkeiten aufgrund von Beleuchtungsänderungen auf.“
Aus Ihren Website-Artikeln
Scaramuzzas autonomes Drohnensystem namens Swift beginnt mit einer dreidimensionalen Karte der Strecke. Auch die menschlichen Piloten haben Zugriff auf diese Karte, um Simulationen zu üben. Das Ziel sowohl menschlicher als auch robotischer Drohnenpiloten besteht darin, jedes Gate so schnell wie möglich zu durchfliegen. Dies gelingt am besten über eine sogenannte zeitoptimale Flugbahn.