Autos und Fahrräder als Vorbilder: Forscher haben eine Drohnen-Software entwickelt, die selbst lernt, im Stadtverkehr zurechtzukommen. Der Algorithmus trainiert Verkehrsregeln und typische Situationen dabei an realen Vorbildern: Aufnahmen von Rad- und Autofahrern. Auf Basis dieser Erfahrungen kann die Drohne dann selbstständig selbst in engen, befahrenen Städten navigieren, ohne dass es zu Kollisionen kommt.
Drohnen sind längst wertvolle fliegende Helfer: Sie spüren Erdbebenopfer oder Landminen auf, kartieren Schädlingsbefall auf Felder, kontrollieren Zäune oder Pipelines auf Schäden oder liefern Güter aus. Bisher navigieren die meisten Drohnen dabei mittels GPS und halten ihren Kurs dabei bereits teilweise autonom – was in offener Landschaft oder großen Höhen gut funktioniert.
Drohnen mitten in der Stadt
Doch in Zukunft sollen Drohnen auch in unseren Städten umherfliegen – beispielsweise als fliegende Paketboten. Das allerdings bringt zusätzliche Schwierigkeiten mit sich: Sie müssen selbstständig zwischen hohen Gebäuden oder im engen, dichten Straßennetz navigieren. Bei Landung und Start fliegen sie zudem so tief, dass die Kollision mit einem LKW, Radfahrer oder Fußgänger droht.
Bisher waren kommerzielle Drohnen nicht in der Lage, schnell auf solche unvorhergesehenen Ereignisse zu reagieren. Nun jedoch haben Davide Scaramuzza und sein Team von der Universität Zürich eine Software entwickelt, die selbst lernt, sich sicher durch die Straßen zu bewegen. Mit ihrer Hilfe könnten Drohnen bald auch mitten in der Stadt Pakete ausliefern oder Rettungseinsätze unterstützen, ohne dass es zu Kollisionen kommt.
Fahrräder und Autos als Vorbilder
Kern des „DroNet“ getauften Systems ist ein neuronales Netzwerk – eine lernfähige künstliche Intelligenz. „Dieser Computeralgorithmus lernt, komplexe Aufgaben anhand von zahlreichen Trainingsbeispielen zu lösen. Er zeigt der Drohne, wie sie bestimmte Aufgaben und schwierige Situationen löst“ , erklärt Scaramuzza. „Das ist ähnlich wie bei Kindern, die von ihren Eltern oder Lehrern lernen.“
Für das Training der Drohne haben die Forscher Fahrten von Autos und Fahrrädern gesammelt, die in städtische Umgebungen navigierten und die Verkehrsregeln respektierten. An diesen Beispielen lernt die Drohne sowohl die Verkehrsregeln als auch typische Alltagssituationen im Straßenverkehr kennen – vom Spurhalten auf der Straße bis zur Frage, ob ein Hindernis wie in Fußgänger oder Baustelle umflogen werden kann oder man besser anhält.
Normale Kamera reicht
„DroNet erkennt statische sowie dynamische Hindernisse und reduziert das Tempo, um Zusammenstöße zu vermeiden“, erklärt Scaramuzza. Die Drohne orientiert sich dabei nicht mit komplizierten Sensoren, sondern nutzt eine normale Smartphonekamera. Jedes Eingangsbild wird vom Algorithmus dabei in zweierlei Hinsicht ausgewertet: Einmal für die Navigation und Flugrichtung, zum anderen für die Erkennung von Kollisionsgefahren.
„Mit diesem Algorithmus sind wir dem Ziel einen Schritt nähergekommen, selbstständig navigierende Drohnen in unseren Alltag zu integrieren.“ Dank des ausgiebigen „Abguckens“ bei Fahrrädern und Autos kann die Drohne sich inzwischen nicht nur auf der Straße sicher bewegen, sie findet sich auch in Umgebungen zurecht, für die sie nie trainiert wurde, beispielsweise in Parkhäusern oder Bürofluren.
Nach Ansicht der Forscher ist ihr lernfähiger Algorithmus ein Schritt hin zu einem Einsatz von Drohnen in den Straßen der Stadt. Das Team warnt jedoch davor, zu viel zu erwarten: „Es müssen noch viele technologische Probleme gelöst werden, bevor die ehrgeizigsten Anwendungen Realität werden können“, erklärt Antonio Loquercio. (IEEE Robotics and Automation Letters, 2018; doi: 10.1109/LRA.2018.2795643)
(Universität Zürich, 26.01.2018 – NPO)
