3 nieuwe way-finding strategieën voor autonome drones zien het licht (video’s)

Hoe kan een autonome drone zijn weg vinden in een onbekende omgeving? In het donker? Of als zijn snelheid varieert? Aan het MIT en de TU Delft hebben dezer dagen 3 nieuwe strategieën het licht gezien.

TU Delft + Politie

De TU Delft en het Nationaal Politie Lab AI hebben de afgelopen vier jaar gewerkt aan autonome vliegende drones die veilig hun weg vinden in onbekende omgevingen met minimale ondersteuning van mensen. Deze technologie is bedoeld voor het verkennen van moeilijk te bereiken en potentieel gevaarlijke locaties, zoals drugslabs. 

“Momenteel zijn er drie operators nodig om een drone te besturen. Wij ontwikkelen technologie die de bediening eenvoudiger maakt, zodat minder mensen nodig zijn,” legt universitair hoofddocent Javier Alonso-Mora uit. “Daarnaast verkleinen we het risico voor politiepersoneel doordat ze met autonome drones op afstand locaties kunnen verkennen,” zegt universitair docent Laura Ferranti.

Het team heeft navigatie- en besturingsalgoritmen ontwikkeld waarmee drones een onbekende ruimte veilig kunnen verkennen. De robot begint zodra hij een gebouw binnengaat, autonoom een kaart te bouwen die direct zichtbaar is voor de menselijke operator. Met een camera zoekt de drone naar aanwijzingen in de ruimte, bijvoorbeeld om een vermist persoon of mogelijk gevaarlijke materialen te lokaliseren. Hij kan ook gebruik maken van feedback van de operator om de verkenning te versnellen op basis van diens ervaring. 

Een navigatiesysteem houdt rekening met obstakels en de beperkingen van de hardware. Naast softwareontwikkeling heeft het team ook aan de hardware van de drones gewerkt om ervoor te zorgen dat ze voldoen aan de technische eisen en voorkeuren van de politie.

Het volgende project wordt beschreven na de video

MAVRL: Leren vliegen in onoverzichtelijke omgevingen met variërende snelheid

Ook aan de TU Delft heeft het MAVlab een nieuwe manier gevonden om autonome drones voor botsingen te behoeden. Autonome drones vertrouwen vaak op algoritmes voor het vermijden van obstakels die een vaste vliegsnelheid gebruiken. Deze aanpak is effectief in eenvoudige scenario’s, maar slaagt er niet in een balans te vinden tussen wendbaarheid en veiligheid wanneer omgevingen complexer worden. Bovendien hebben veel op leren gebaseerde systemen niet de mogelijkheid om waarnemingen uit het verleden bij te houden, waardoor drones ‘vast komen te zitten’ in moeilijke situaties.

MAVlab introduceert nu een nieuwe pijplijn voor het vermijden van obstakels, genaamd Memory-Augmented Varying-speed Reinforcement Learning (MAVRL). MAVRL gebruikt dieptekaarten, samen met de toestanden van de drone en het doelwit als invoer, en genereert versnellingsopdrachten. Na het genereren van de versnelling wordt model predictive control (MPC) van Agilicious gebruikt om de lichaamssnelheden en stuwkrachtcommando’s voor de drone af te leiden. Dit opent nieuwe mogelijkheden voor drones in kritieke toepassingen zoals opsporing en redding, milieubewaking en bezorgdiensten.

Het derde project wordt beschreven na de video

MIT: wayfinding met radiogolven

MIT-onderzoekers hebben een nieuwe aanpak geïntroduceerd waarmee een drone zijn positie kan bepalen in binnenruimtes en donkere of slecht zichtbare omgevingen. In MiFly gebruikt een drone radiofrequentiegolven (RF) die worden weerkaatst door een enkele tag die in zijn omgeving is geplaatst, om zichzelf autonoom te lokaliseren. Dit is geschikt voor donkere ruimtes, maar ook voor ruimtes met weinig visuele ankerpunten. Zoals een vol magazijn.