Künstliche Intelligenz

Drohnen fliegen autonom in komplexen Umgebungen

Seite: 2/2

Firmen zum Thema

Treffsicher dank lernfähigem Netzwerk

Die Forscher lösten das Problem mit Hilfe eines sogenannten tiefen neuronalen Netzwerks (Deep Neural Network, kurz: DNN). Dieser Computer-Algorithmus lernt anhand von vielen Übungsbeispielen komplexe Aufgaben zu lösen, ähnlich wie das menschliche Gehirn aus Erfahrung lernt.

Bildergalerie

Um genügend Daten für das Training des Algorithmus zu sammeln, wanderte das Team mehrere Stunden auf verschiedenen Wanderwegen in den Schweizer Alpen. Dabei zeichnete es mit am Helm befestigten Kameras mehr als zwanzigtausend Bilder von Wanderwegen auf.

Der Aufwand hat sich gelohnt: Als das neuronale Netzwerk auf einem ihm unbekannten Pfad getestet wurde, fand es in 85 Prozent aller Fälle die korrekte Richtung des Weges. Zum Vergleich: Menschen lagen bei der identischen Fragestellung in 82 Prozent aller Fälle richtig.

Prof. Juergen Schmidhuber, wissenschaftlicher Direktor am SUPSI sagt: "Unsere Forschungsgruppe entwickelt seit den frühen 1990er-Jahren DNN. Heute werden die Methoden unseres Labors nicht nur für viele alltägliche Anwendungen wie etwa für die Spracherkennung auf Smartphones verwendet, sondern auch für kleine und leichte Roboter wie Drohnen. Die kommenden Jahre werden eine Explosion von DNN-Anwendungen in der Robotik bringen."

Das Forschungsergebnis sei eine Premiere im Gebiet der künstlichen Intelligenz und der Robotik. Das Forscherteam betont allerdings, dass noch viel Arbeit nötig ist, bis eine komplett autonome Flotte von Robotern Wälder nach vermissten Personen durchschwärmt.

Prof. Luca Maria Gambardella, Direktor des SUPSI in Lugano meint dazu: "Viele technische Herausforderungen müssen noch bewältigt werden, bis die anspruchsvollsten Anwendungen Realität werden. Aber kleine fliegende Roboter sind unglaublich vielseitig und die Forschung auf diesem Gebiet schreitet rasant voran. Eines Tages werden Roboter mit menschlichen Rettungskräften zusammenarbeiten, um unser Leben sicherer zu machen".

Das Forschungsprojekt wurde vom Schweizerischen Nationalfonds (SNF) unterstützt – dem National Center of Competence in Research (NCCR) Robotik.

Originalveröffentlichung:

Alessandro Giusti et al.: A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots. IEEE Robotics and Automation Letters. February 9, 2015. Doi: 10.1109/LRA.2015.2509024

(ID:43886591)