Forschende der Carnegie Mellon University (CMU) trainieren Autonome Drohnen mit simulierten Daten.
Nach dem man an der CMU auch Autonomes Fahren mit simulierten Daten erfolgreich und kostengünstig trainiert hat, geht es nun an die Drohnen.
Die Umgebungswahrnehmung ist die Grundlage für die Entscheidungs- und Wegfindung. Dies gilt auch für die Drohnen. Dafür hat man ein Konzept entwickelt, das Drohnen in der Simulation trainiert. Damit werden sie in die Lage versetzt, korrekt zu navigieren.
Das Wahrnehmungsmodul der CMU soll die Probleme lösen, dass Drohnen selbst bei fotorealistischen Bildern über die Beleuchtung, die Farben und Texturen irritiert seien. Das Konzept impliziert zwei Modalitäten, sodass die Software robuster gegenüber den Umgebungsvariabilitäten ist.
Die erste Modalität, mit der die Wahrnehmung der Drohne trainiert werden kann, ist das Bild. Die Forschenden verwendeten eine fotorealistische Simulation für eine Umgebung, in der die Drohne über ein Fußballfeld mit roten quadratische Toren fliegt. Die Tore wurden zufällig im Raum positioniert, um eine Spur zu erstellen. Anschließend erstellten sie einen großen Datensatz simulierter Bilder aus Tausenden zufällig generierter Konfigurationen.
Die zweite Modalität referiert auf die Informationen bezüglich der Position und Ausrichtung der Tore im Raum, die man mithilfe des Datensatzes simulierter Bilder erreicht hat.
Durch das Komprimieren von Bildern und der damit einhergehenden Pixel-Reduktion hilft das Rauschen der realen Welt zu begreifen und zu interpretieren. Hinzu kommen noch weitere Störquellen.
Das Konzept ist kostengünstiger und schneller als das manuelle Training. Außerdem kann es auch auf andere KI-Konzept angewandt werden. Der Code ist als Open-Source veröffentlicht worden und steht der Forschung zur Verfügung.