Robotik und KI im Eiltempo Dronen lernen Fliegen in Rekordzeit

In einer Welt, in der technologische Fortschritte mit beispielloser Geschwindigkeit voranschreiten, hat ein Forschungsteam einen bedeutenden Durchbruch in der Robotik und künstlichen Intelligenz erzielt. Das Team um Jonas Eschmann von der New York University hat eine neuartige Methode entwickelt, mit der Quadrotoren - eine Art von Drohnen - in einer bemerkenswert kurzen Zeit von nur 18 Sekunden das Fliegen erlernen können. Dieser Fortschritt könnte weitreichende Auswirkungen auf die Forschung und Anwendung autonomer Flugsysteme haben.

Die Ergebnisse der Studie, die unter dem Titel "Learning to Fly in Seconds" veröffentlicht wurden, zeigen, wie durch den Einsatz von fortschrittlichen maschinellen Lernmethoden, insbesondere des Verstärkungslernens (Reinforcement Learning, RL), die Leistung autonomer Flugsysteme deutlich verbessert werden kann. Die Forscher entwickelten eine asymmetrische Actor-Critic-Architektur und nutzten ein hoch optimiertes Simulationsprogramm, um die Trainingszeit erheblich zu verkürzen und die Effizienz des Lernprozesses zu steigern.

Im Gegensatz zu herkömmlichen Methoden, die oft lange Trainingszeiten erfordern und mit Schwierigkeiten bei der Übertragung von Simulationsergebnissen in die reale Welt zu kämpfen haben, ermöglicht diese neue Technologie eine Simulation-to-Reality (Sim2Real) Übertragung nach nur 18 Sekunden Training auf einem handelsüblichen Laptop. Darüber hinaus kann das System auf Mikrocontroller übertragen werden, um eine Drohne in Echtzeit zu steuern, was die Anwendbarkeit in verschiedenen praktischen Szenarien verbessert.

Die Quadrotoren, die mit dieser Methode trainiert wurden, zeigten eine wettbewerbsfähige Leistung bei der Verfolgung von Flugbahnen, was durch experimentelle Vergleiche mit bestehenden hochentwickelten Steuerungslösungen belegt wurde. Die Forschung wurde mit einer Crazyflie Nano-Quadrotor-Drohne durchgeführt, einem leicht zugänglichen und kostengünstigen Modell, das die Forschung und Entwicklung in diesem Bereich demokratisiert und potenziell für Hobbyisten und Bildungseinrichtungen zugänglich macht.

Die Open-Source-Bereitstellung des Codes und des schnellen Multirotor-Dynamiksimulators, der etwa fünf Monate Flugzeit pro Sekunde auf der GPU eines Laptops simulieren kann, unterstreicht das Engagement des Teams für die Gemeinschaft und die Weiterentwicklung des Feldes. Dieser Simulator ist ein entscheidender Bestandteil des Erfolgs, da er eine effiziente und schnelle Iteration von Trainingszyklen ermöglicht.

Die Forschung wurde im renommierten Magazin IEEE Spectrum vorgestellt, das regelmäßig über die neuesten technologischen Entwicklungen und Analysen aus der Welt der Ingenieurwissenschaften berichtet. Die Aufmerksamkeit eines solch angesehenen Magazins unterstreicht die Bedeutung und das Potenzial der Arbeit des Forschungsteams.

Die Implikationen dieser Forschung sind weitreichend. Von Such- und Rettungsoperationen über Inspektionsaufgaben bis hin zu Unterhaltungsanwendungen könnten Drohnen, die schnell und effizient trainiert werden können, einen dramatischen Einfluss auf mehrere Branchen haben. Darüber hinaus könnte diese Technologie dazu beitragen, die Hürden für den Einstieg in die Forschung und Entwicklung von autonomen Flugsystemen zu senken und damit Innovationen in diesem Bereich voranzutreiben.

Die Forschung von Eschmann und seinem Team ist ein klares Beispiel dafür, wie maschinelles Lernen und künstliche Intelligenz die Fähigkeiten von Robotern erweitern und zu Lösungen führen können, die noch vor wenigen Jahren als unerreichbar galten. Indem sie die Grenzen dessen, was auf einem Consumer-Laptop möglich ist, verschieben, zeigen sie, dass leistungsstarke AI-Technologien nicht mehr nur großen Unternehmen oder gut finanzierten Forschungslaboren vorbehalten sind.

Quellen:
- Eschmann, J., Albani, D., & Loianno, G. (2023). Learning to Fly in Seconds. arXiv preprint arXiv:2311.13081. Verfügbar unter: https://arxiv.org/abs/2311.13081
- IEEE Spectrum. (2022). Acoustic Sensing featured by IEEE Spectrum. Verfügbar unter: https://www.tu.berlin/robotics/nachrichtendetails/acoustic-sensing-featured-by-ieee-spectrum
- IEEE Spectrum Facebook Page. Verfügbar unter: https://www.facebook.com/IEEE.Spectrum/
- Jonas Eschmann Twitter Profile. Verfügbar unter: https://twitter.com/jonas_eschmann