Reinforcementlearning
Aufgrund des technologischen Fortschritts zieht der Mensch im direkten Duell mit autonom agierenden Maschinen immer häufiger den Kürzeren. Im Drone-Racing allerdings hatten die besten Pilotinnen und Piloten bislang stets das bessere Ende für sich. Bis jetzt. Denn einem Team vom Micro Air Vehicle Lab (MAVlab) der Technischen Universität aus dem niederländischen Delft ist es nun gelungen, eine KI-gesteuerte Racingdrohne zu entwickeln, die drei der besten Drone Champions League-Piloten in die Schranken weisen konnte.
Von Emil H. Burg
Zugegeben, es war nicht das erste Mal, dass eine autonom fliegende Drohne gegen einen menschlichen Profi-Piloten gewann. Vor zwei Jahren war dieses Kunststück bereits einem Team von der Robotics and Perception Group an der Universität Zürich gelungen. Allerdings fand das Rennen damals gewissermaßen unter Laborbedingungen auf einem eigens dafür konzipierten Track und mit auf die Gegebenheiten abgestimmten Renndrohnen statt. Doch das, was sich im April 2025 im Rahmen der A2RL Drone Championship in Abu Dhabi ereignete, geht noch einmal deutlich darüber hinaus. Denn dort traten Mensch und Maschine auf einem Kurs und mit technischen Equipment gegeneinander an, das gemeinsam von den Organisationsteams von Drone Champions League (DCL) und Abu Dhabi Autonomous Racing League (A2RL) vorgegeben worden war.
„Trial and error“
Aber der Reihe nach. In einem kombinierten Event trugen DCL und A2RL zunächst einmal ihre jeweiligen Rennen aus. Dabei setzte sich das Team vom MavLab (Micro Air Vehicle Lab) der TU Delft souverän gegen 13 andere autonom agierende Renndrohnen durch. Und auch im abschließenden Vergleich der besten KI-Drohne mit drei früheren DCL-Champions behielt die das MAVlab die Oberhand. Technisch entsprach die autonom fliegende Drohne dem von einem Menschen pilotierten Racer, beide verfügten jeweils über eine einzige Kamera zur Umgebungswahrnehmung. Das Erfolgsgeheimnis des Teams von der TU Delft liegt dabei in einer speziellen Methodik, mit der die KI-Software zur Steuerung der Drohne trainiert worden war. Beim sogenannten Reinforcement-Learning handelt es sich im Grunde um eine Art „Trial and Error“. Dabei wird die KI dazu angehalten, ein Problem durch Ausprobieren zu lösen. Scheitern sorgt für negative Impulse, erfolgreiche Versuche bestärken die Software darin, dass sie auf dem ric…
