Stellen Sie sich eine Drohne vor, die allein \u00fcber die zerkl\u00fcfteten Gipfel der Sierra Nevada fliegt, einen Wassertank unter sich, w\u00e4hrend sie gegen einen Waldbrand ank\u00e4mpft. Sie hat nicht nur mit der Hitze und dem Rauch zu k\u00e4mpfen, sondern k\u00e4mpft auch um die Kontrolle, w\u00e4hrend Bergwinde um sie herum peitschen und sie aus der Bahn zu werfen drohen. F\u00fcr Drohnen in echten Notf\u00e4llen wie diesem reichen rohe Kraft und Leistung nicht aus. Was wirklich z\u00e4hlt, ist Flexibilit\u00e4t - die F\u00e4higkeit, sich auf das Unerwartete einzustellen und innerhalb von Sekundenbruchteilen zu reagieren.<\/p>\n
Hier kommt ein neuer Durchbruch des MIT ins Spiel. Ein Forscherteam hat ein intelligentes, auf maschinellem Lernen basierendes Steuerungssystem entwickelt, das die Art und Weise, wie Drohnen in unvorhersehbaren Umgebungen operieren, ver\u00e4ndern wird. Anstatt starr vorprogrammierten Routinen zu folgen, lernt dieses System w\u00e4hrend des Fluges. Wenn man es mit nur 15 Minuten Flugdaten f\u00fcttert - selbst bei starkem Wind oder pl\u00f6tzlichen Turbulenzen -, passt es sich von selbst an und reduziert die wilden Kurskorrekturen in der Luft, mit denen Notfalldrohnen normalerweise zu k\u00e4mpfen haben.<\/p>\n
Eines der beeindruckendsten Dinge an diesem neuen System ist, dass es das alte Regelwerk \u00fcber den Haufen wirft. Die Ingenieure m\u00fcssen nicht mehr jedes m\u00f6gliche Szenario oder jede St\u00f6rung, auf die die Drohne treffen k\u00f6nnte, aufzeichnen. Stattdessen sammelt das Gehirn der Drohne - ein neuronales Netz - Informationen in Echtzeit. Es wertet die Geometrie der St\u00f6rung aus, z. B. den Winkel und die Geschwindigkeit einer B\u00f6e, und w\u00e4hlt dann selbstst\u00e4ndig den am besten geeigneten Optimierungsalgorithmus aus, um die Abweichung zu minimieren. Im Wesentlichen wird die Drohne immer besser in der Lage sein, genau dann auf Kurs zu bleiben, wenn die Bedingungen am schwierigsten werden.<\/p>\n
Diese Anpassungsf\u00e4higkeit wird durch Meta-Lernen erreicht, eine Technik, mit der das Kontrollsystem lernt, aus begrenzten Erfahrungen schnell zu verallgemeinern. Als die Forscher ihren Algorithmus in einer Simulation testeten, stellten sie fest, dass die Flugfehler im Vergleich zu Standardmethoden um die H\u00e4lfte zur\u00fcckgingen - selbst wenn das System mit neuen, unge\u00fcbten Windmustern konfrontiert wurde. Die Drohne hat einfach gelernt, das Unerwartete zu erwarten.<\/p>\n
Navid Azizan vom MIT, einer der Projektleiter, betont, dass das Geheimnis der St\u00e4rke dieses Systems in seinem simultanen Lernansatz liegt. Anstatt eine einzige Anpassungsmethode vorzugeben, entscheidet der Controller im laufenden Betrieb und greift dabei auf eine Reihe fortschrittlicher Optimierungsmethoden zur\u00fcck. Es geht auch nicht nur um die Brandbek\u00e4mpfung. Dieselbe adaptive Technologie k\u00f6nnte Lieferdrohnen in die Lage versetzen, schwere Pakete effizienter durch windige St\u00e4dte zu transportieren, oder Luft\u00fcberwachungssysteme in die Lage versetzen, abgelegene Landschaften mit wechselhaftem Wetter zu patrouillieren.<\/p>\n
Herk\u00f6mmliche Drohnensteuerungen beruhen auf sorgf\u00e4ltig ausgearbeiteten Modellen f\u00fcr jede St\u00f6rung. Aber im wirklichen Leben kann nicht jede Herausforderung vorhergesagt werden. Das System des MIT wirft diese Kr\u00fccke weg und verl\u00e4sst sich ganz auf das, was die Drohne in Bewegung sieht, f\u00fchlt und lernt. Ihr Ansatz nutzt den \u201cSpiegelabstieg\u201d, eine Familie von Optimierungstechniken, die einen gr\u00f6\u00dferen Werkzeugkasten als herk\u00f6mmliche Gradientenabstiegsmethoden bietet und sich schneller an unterschiedliche Herausforderungen anpassen l\u00e4sst.<\/p>\n
Wie geht es nun f\u00fcr das MIT-Team weiter? Das Team bringt sein System aus dem Simulator in echte Drohnen und testet es unter verschiedenen Bedingungen. Der Fahrplan sieht vor, dass das System mit mehreren St\u00f6rquellen umgehen kann - etwa mit wechselnden Nutzlasten oder pl\u00f6tzlichen St\u00fcrmen - und dass Methoden entwickelt werden, die es der Drohne erm\u00f6glichen, mit der Zeit immer intelligenter zu werden, so dass sie neuen Bedrohungen begegnen kann, ohne wieder bei Null anfangen zu m\u00fcssen.<\/p>\n
Die Forschungsarbeit wird bereits von Experten auf diesem Gebiet f\u00fcr ihre Mischung aus Meta-Lernen und adaptiver Steuerung gelobt, und es besteht die Hoffnung, dass sie den Weg f\u00fcr autonome Systeme ebnen k\u00f6nnte, die sich in der chaotischen und komplexen Welt der Realit\u00e4t bew\u00e4hren. Mit der Unterst\u00fctzung von Industriepartnern und Forschungslabors des MIT ist der Weg frei f\u00fcr Drohnen, die mehr k\u00f6nnen als nur fliegen - sie passen sich an, denken mit und gedeihen, egal, was ihnen in den Weg gestellt wird.<\/p>\n