Sie können komplexe Zusammenhänge erfassen, Roboter steuern und sogar clevere Texte generieren: Die teils erstaunlichen Leistungen von Systemen der künstlichen Intelligenz (KI) sorgen in letzter Zeit oft für Schlagzeilen. Denn in manchen Fällen können sie den Menschen schon in den Schatten stellen. Das gilt auch im spielerischen Bereich: KI-Systeme können mittlerweile menschliche Meister im Schach, dem kniffligen Denkspiel Go oder auch bei Autorennen in virtuellen Welten problemlos schlagen. Dabei handelt es sich allerdings um Erfolge in Simulations- und Computerspielumgebungen. Bei realen Wettbewerben, die auf schneller und cleverer Steuerungsfähigkeit basieren, haben die KI-Systeme bisher hingegen noch keine Goldmedaillen errungen.
Ein solches Spiel ist das sogenannte First-Person-View-Drohnenrennen. Dabei steuern die Teilnehmer ihre Quadrocopter mit Geschwindigkeiten von teilweise über 100 Kilometern pro Stunde über eine gewundene Flugstrecke durch Tore. Dazu tragen sie Headsets, die ihnen für die Steuerung eine “Ich-Perspektive” durch eine an der Drohne befestigte Kamera ermöglichen. Die Champions dieses Spiels können ihr Fluggerät so gewandt lenken und beschleunigen, dass es besonders schnell und ohne Kollisionen durch die Rennstrecke saust.
KI-Hochgeschwindigkeits-Drohne entwickelt
Was die menschlichen Drohnenpiloten dabei leisten, galt bisher für autonom fliegende Drohnen mit künstlicher Intelligenz als kaum erreichbar. Denn die komplexen dynamischen Prozesse bei den hohen Geschwindigkeiten sind schwer vorhersagbar und die bisherige Technik reagierte zu langsam. Doch wie das Forscherteam der Universität Zürich nun berichtet, kann ihr System namens „Swift“ die menschliche Leistungsfähigkeit nun erreichen und unter bestimmten Bedingungen sogar übertreffen.
Die Renn-Drohne wird dazu mit Sensoren zur fortlaufenden physikalischen Datenerfassung ausgerüstet sowie mit einem On-Board KI-System, das trainiert werden kann und dann sehr schnell für eine „clevere“ Anpassung der Flugsteuerung sorgt. Konkret regiert Swift in Echtzeit auf die Daten, die von einer Kamera und einem integrierten Trägheitsmessgerät zur Erfassung von Beschleunigung und Geschwindigkeit stammen. Für die Positions- und Lagerfassung sowie die Erkennung der Tore entlang der Rennstrecke sorgt dann ein künstliches neuronales Netz. Es steht mit einer weiteren Einheit des „Gehirns“ des Systems in Verbindung, das die Steuereinheit bildet. Es bestimmt dann die beste Verhaltensweise, um die Herausforderungen der Strecke so schnell wie möglich zu meistern.
Ähnlich wie die menschlichen Pendants, braucht auch „Swift“ Training, um seine Fähigkeiten bei der Drohnen-Steuerung zu verbessern. Dies erfolgt in einer simulierten Umgebung, in der sich das System das Fliegen nach dem Prinzip Trial and Error selbst beibringt. Es handelt sich dabei um eine Form des maschinellen Lernens, die als Reinforcement Learning bezeichnet wird. Das anfängliche Lernen in einer Simulation hilft auch dabei, zu Beginn Beschädigungen der Drohne zu vermeiden. „Um sicherzustellen, dass die Folgen von Aktionen im Simulator denen in der realen Welt so nahe wie möglich kommen, haben wir eine Methode zur Optimierung des Simulators mit realen Daten entwickelt“, erklärt Erst-Autor Elia Kaufmann von der Universität Zürich.
