Forscher der Universität Zürich und Intel haben ein autonomes KI-System entwickelt, das menschliche Champions im FPV-Drohnenrennen schlagen kann. Das System namens Swift verwendet eine Kamera und eine integrierte Trägheitsmesseinheit, um Daten zu sammeln. Diese werden dann von künstlichen neuronalen Netzwerken verarbeitet, um die Drohne im Raum zu lokalisieren und die Tore auf der Rennstrecke zu erkennen. Swift wurde in einer simulierten Umgebung mit Verstärkungslernen trainiert, was ihm ermöglichte, sich das Fliegen selbst beizubringen, ohne echte Drohnen zu riskieren. Nach einem Monat Training trat Swift im Juni 2022 gegen drei weltklasse menschliche Champions an und erreichte die schnellste Runde mit einer halben Sekunde Vorsprung vor der besten Runde eines menschlichen Piloten. Obwohl Swift sich in vorhersehbaren Bedingungen gut bewährte, hatte es Schwierigkeiten, wenn es mit Bedingungen konfrontiert wurde, die sich von seiner Trainingsumgebung unterschieden, zum Beispiel durch zu viel Licht im Raum. Die Forscher glauben, dass das Vorantreiben des autonomen Flugs weitreichende Auswirkungen jenseits des Drohnenrennens hat, einschließlich Anwendungen in Bereichen wie Waldüberwachung, Weltraumforschung, Filmindustrie und Rettungseinsätzen in gefährlichen Umgebungen.

Einführung

Forscher der Universität Zürich und Intel haben ein autonomes KI-System namens Swift entwickelt, das erfolgreich menschliche Meister im FPV-Drohnenrennen übertroffen hat. Diese bahnbrechende Leistung verdeutlicht die Fortschritte in der künstlichen Intelligenz und deren potenzielle Anwendungen in verschiedenen Branchen.

Entwicklung von Swift

Swift verwendet eine eingebaute Kamera und eine integrierte Trägheitsmesseinheit (IMU), um während des Fluges Daten zu sammeln. Diese Daten werden dann von künstlichen neuronalen Netzen verarbeitet, die es dem System ermöglichen, die Drohne im Raum präzise zu lokalisieren und die Tore entlang der Rennstrecke zu erkennen. Durch die Kombination dieser Komponenten kann Swift den Rennparcours mit bemerkenswerter Präzision navigieren.

Datensammlung mit eingebauter Kamera und IMU

Die eingebaute Kamera und IMU arbeiten zusammen, um während des Fluges wichtige Daten zu sammeln. Die Kamera erfasst visuelle Informationen aus der Umgebung, während die IMU verschiedene physikalische Kräfte misst, die auf die Drohne wirken, wie Beschleunigung und Rotation. Gemeinsam ermöglichen diese Komponenten Swift ein umfassendes Verständnis seiner Position und Ausrichtung im Raum.

Verarbeitung der Daten mit künstlichen neuronalen Netzen

Nachdem die Daten gesammelt wurden, werden sie von künstlichen neuronalen Netzen verarbeitet. Diese Netze wurden mit einer Methode namens verstärkendes Lernen trainiert, wodurch sich Swift selbst beibringen kann, wie man fliegt, indem es Versuch und Irrtum anwendet. Durch die wiederholte Analyse und Anpassung seiner Flugmuster kann Swift seine Leistung optimieren und außergewöhnliche Renneigenschaften erzielen.

Training von Swift in einer simulierten Umgebung

Bevor es gegen menschliche Meister antrat, wurde Swift intensiv in einer simulierten Umgebung trainiert. Diese simulierte Umgebung ermöglichte es dem KI-System, seine Flugtechniken zu erlernen und zu verfeinern, ohne die Gefahr realer Drohnenabstürze. Im Laufe eines Monats verbesserte Swift seine Fähigkeiten durch kontinuierliches Üben und Experimentieren in dieser sicheren und kontrollierten Umgebung.

Swifts Sieg über menschliche Meister

Im Juni 2022 trat Swift nach Abschluss seines simulierten Trainings gegen drei erstklassige menschliche Meister in einem echten FPV-Drohnenrennen an. Erstaunlicherweise sicherte sich Swift die schnellste Rundenzeit und übertraf die beste Runde eines menschlichen Piloten um eine halbe Sekunde. Dieser Sieg bestätigte die außergewöhnlichen Renneigenschaften des KI-Systems und zeigte das Potenzial künstlicher Intelligenz im Bereich des Drohnenrennens auf.

Herausforderungen für Swift

Obwohl Swift eine bemerkenswerte Leistung unter vorhersehbaren Bedingungen zeigte, hatte es Schwierigkeiten, wenn es mit Bedingungen konfrontiert wurde, die sich von seiner Trainingsumgebung unterschieden. Zum Beispiel führte überschüssiges Licht im Raum zu Schwierigkeiten für Swift, die Rennstrecke und Tore präzise wahrzunehmen. Diese Herausforderungen verdeutlichen die Notwendigkeit weiterer Fortschritte in autonomen Flugsystemen, um unvorhersehbare und sich ändernde Bedingungen zu bewältigen.

Weitere Auswirkungen des autonomen Flugs

Jenseits des Drohnenrennens haben die Entwicklungen autonomer Flugsysteme wie Swift weitreichende Auswirkungen. Die Forscher glauben, dass das Ausloten der Grenzen des autonomen Flugs Anwendungen in verschiedenen Branchen haben kann, wie zum Beispiel:

1. Waldüberwachung

Die Fähigkeit autonomer Drohnen, sich durch dichte Wälder zu navigieren und Daten zu sammeln, kann zur Überwachung und Bewirtschaftung von Waldökosystemen enorm nützlich sein. Swifts fortgeschrittene Flugeigenschaften ermöglichen es ihm, wertvolle Informationen über Vegetation, Wildtiere und potenzielle Bedrohungen zu sammeln und somit effektivere Naturschutzmaßnahmen zu ermöglichen.

2. Weltraumerkundung

Autonome Drohnen mit fortschrittlichen KI-Systemen können eine entscheidende Rolle bei Weltraumerkundungsmissionen spielen. Diese Drohnen können Daten sammeln, entfernte Gebiete erkunden und bei der Suche nach außerirdischem Leben oder wertvollen Ressourcen helfen. Die Präzision und Anpassungsfähigkeit, die Swift beim Drohnenrennen zeigt, können für Explorationen in außerirdischen Umgebungen genutzt werden.

3. Filmindustrie

Die Filmindustrie kann von den Fähigkeiten autonomer Drohnen wie Swift profitieren, komplexe Luftaufnahmen mit beispielloser Präzision zu erfassen. Durch die Eliminierung der Notwendigkeit von menschlichen Bedienern können diese Drohnen anspruchsvolle Drehorte navigieren und dynamische Aufnahmen machen, was das visuelle Erlebnis in der Filmwelt verbessert.

4. Rettungseinsätze in gefährlichen Umgebungen

In Szenarien, in denen menschlicher Einsatz gefährlich ist, können autonome Drohnen für Rettungseinsätze eingesetzt werden. Swifts Fähigkeit, schnell und präzise durch herausfordernde Umgebungen zu navigieren, kann bei der Ortung und Unterstützung von hilfsbedürftigen Personen helfen und somit die Effektivität und Sicherheit von Rettungsmissionen verbessern.

Fazit

Die Entwicklung des autonomen KI-Systems Swift markiert einen bedeutenden Meilenstein im Bereich des Drohnenrennens und hat weitreichende Auswirkungen auf den autonomen Flug in verschiedenen Branchen. Durch die Kombination von eingebauten Kameras, IMUs und mit verstärkendem Lernen trainierten künstlichen neuronalen Netzen hat Swift menschliche Meister im FPV-Drohnenrennen übertroffen. Obwohl noch Herausforderungen zu bewältigen sind, ebneten die Fortschritte mit Swift den Weg für zukünftige Innovationen in autonomen Flugsystemen.

Quelle

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

You May Also Like

Machine-Learning-Ansatz zur Berechnung von Übergangszuständen in chemischen Reaktionen

Forscher vom MIT haben eine maschinelle Lernmethode entwickelt, um Übergangszustände in chemischen…

Ein potenzieller Wirkstoffkandidat zur Behandlung der Amyotrophen Lateralsklerose (ALS)

Forscher der Universität Helsinki haben einen potenziellen Wirkstoff entdeckt, der zur Behandlung…

Von der Verbrennung angetriebener insektengroßer Roboter: Ein Durchbruch in der Robotik

Forscher der Cornell University haben einen robotischen Insekt entwickelt, der durch Verbrennung…

Die Rolle des Retinsäurerezeptors Alpha (RARα) bei der T-Zell-Aktivierung und Immunantwort

Eine neue Studie, veröffentlicht im Journal Immunity, zeigt, dass der nukleare Rezeptor…