Mit moderner Sensorik hochpräzise Geodaten zu sammeln und mit spezieller Software anschließend detaillierte Geländeprofile zu erstellen, ist das eine. Automatisch und in Echtzeit auf das, was die Sensoren erkannt haben zu reagieren, etwas völlig anderes. Und doch ist Letzteres eine unverzichtbare Voraussetzung für die autonome Navigation von Drohnen. Künstliche Intelligenz (KI) und maschinelles Lernen sollen es unbemannten Systemen ermöglichen, sich autonom im Raum zu orientieren.
Von Akshata
Ist keine Verbindung zu GPS & Co möglich, tappen unbemannte Systeme schnell im Dunkeln. Dasselbe gilt, wenn herkömmliche Satellitennavigationssysteme in herausfordernden Umgebungen wie Innenräumen, dicht bebauten Städten oder unterirdischen Anlagen an ihre Grenzen stoßen. Was im manuellen VLOS-Betrieb nicht weiter ins Gewicht fällt, ist in BVLOS-Szenarien sowie bei automatisierten oder gar (teil-)autonomen Missionen ein KO-Kriterium. Abhilfe können an dieser Stelle KI-Software und künstliche neuronale Netzwerke schaffen. Große Hoffnungen werden diesbezüglich mit dem sogenannte Reinforcement Learning (RL) und dessen Weiterentwicklungen verbunden.
Belohnungsprinzip
Durch RL oder – zu Deutsch: bestärkendes Lernen – werden Drohnen in die Lage versetzt, optimale Routen zu finden, indem sie ihre Umgebung analysieren und gelungene Manöver als solche abgespeichert werden. Im Grunde funktioniert das Ganze nach dem Belohnungsprinzip: Erfolge werden positiv, Misserfolge negativ verbucht. Weiterentwicklungen wie Double-Q-Learning, Multi-Agent-Systeme oder prädiktive Modelle zur wahrscheinlichkeitsbasierten Vorhersage von Ereignissen steigern dabei Effizienz und Flexibilität – insbesondere bei Einsätzen wie Such- und Rettungsmissionen.
Um eine große Menge an Daten zu analysieren und darin bestimmte Muster zu erkennen, kommend zunehmen sogenannte Deep Learning-Verfahren zum Einsatz. Diese sind in ihrer Struktur von der Funktionsweise des menschlichen Gehirns inspiriert und basieren auf mehreren, in Ebenen strukturierten künstlichen neuronalen Netzen. Mit solchen Technologien lässt sich die autonome Navigation in komplexen Umgebungen optimier…
