UZH KI schlägt Menschen im Drohnen Rennen

  • Computersteuerung »Swift« siegt mit halber Sekunde Vorsprung erstmals außerhalb des Spielfeldes

Zürich, Santa Clara, PTE, 31. August 2023

»#Swift«, eine auf Künstlicher Intelligenz (KI) basierende #Steuerungs #Software für Hochgeschwindigkeitsdrohnen von Forschern der Universität Zürich (UZH) und des Halbleiterriesen Intel, hat die weltbesten Piloten derartiger Fluggeräte geschlagen. Die KI gesteuerte Drohne haben die Experten in einer simulierten Umgebung trainiert. Fernab dieses sportlichen Wettkampfes gehören zu den realen Anwendungen die Umweltüberwachung sowie die Katastrophenhilfe.

Erst »Deep #Blue« und »AlphaGo«

Die jetzt siegreiche Software reiht sich ein in IBMs Computer »Deep Blue« von 1996, der im Schach gegen Gary Kasparov siegte, oder auch Googles »AlphaGo«, das 2016 den Top Champion Lee Sedol im Go schlug. Swift ist möglicherweise noch anspruchsvoller. Es gewann mehrere Rennen gegen drei Weltklasse Champions im First Person View Drohnenrennen, bei dem Piloten Quadrocopter mit Geschwindigkeiten von mehr als 100 Kilometern pro Stunde fernsteuern. Dazu tragen sie ein Headset, das ihnen Bilder einer Kamera an Bord der Drohnen zeigt.

»Physische Sportarten sind für KI eine größere Herausforderung, weil sie weniger vorhersehbar sind als Brett oder Videospiele. Wir haben keine perfekten Kenntnisse der Drohnen  und Umgebungsmodelle, also muss die #KI sie lernen, indem sie mit der physischen Welt interagiert«, sagt Davide Scaramuzza, Leiter der Gruppe #Robotik und Wahrnehmung an der UZH.

Größere Herausforderung als Spiele

Bisher brauchten autonome Drohnen doppelt so lange wie von Menschen gesteuerte, um eine Rennstrecke zu durchqueren, es sei denn, sie waren auf ein externes Positionsverfolgungssystem angewiesen, das ihren Flug präzise steuerte. Swift hingegen reagiert laut den Experten in Echtzeit auf die Daten, die von einer Onboard Kamera gesammelt werden, wie sie von menschlichen Rennfahrern genutzt wird.

Der Trägheitssensor der Drohne misst Beschleunigung und Geschwindigkeit, während ein künstliches neuronales Netz die Daten der Kamera verwendet, um die Drohne im #Raum zu lokalisieren und die Tore entlang der Rennstrecke zu erkennen. Diese Informationen werden an eine Steuereinheit weitergeleitet, die ebenfalls auf einem Deep Neural Network basiert, das in Echtzeit die jeweils beste Reaktion auswählt.

Insgesamt hat Swift die Rennstrecke mit einer halben Sekunde Vorsprung auf die beste Runde eines menschlichen Piloten absolviert. Auf der anderen Seite erwiesen sich menschliche #Piloten als anpassungsfähiger als die autonome Drohne, die versagte, wenn die Bedingungen anders waren als jene, für die sie trainiert wurde, zum Beispiel wenn zu viel Licht im Raum war.