En af de mange måder, hvorpå forskere arbejder på at forbedre ydeevnen af autonome droner, er ved at lade dem konkurrere med mennesker i deres racer. Det kræver en vis mængde færdigheder at styre en lillebitte quadcopter i et begrænset rum med utrolige hastigheder, og ved at udvikle algoritmer, der overgår disse muligheder, kan vi skabe en generation af droner med utrolige muligheder. Forskere fra universitetet i Zürich hævder, at takket være en ny algoritme, der kan bygge en flyvebane med stor effektivitet, har de gjort netop det.
På få år er droneracing gået fra en underjordisk hobby for luftfartentusiaster til en professionel sport, og blandt de organisationer, der promoverer dette høje konkurrenceniveau, er Drone Racing League. I 2019-sæsonen inkluderede arrangørerne for første gang en særlig konkurrence for autonome drone-udviklere, der kunne sætte deres bemandede fly op mod hinanden om betydelige pengepræmier.
Dronen udviklet ved Delft University tog førstepladsen i den første kvalifikationskonkurrence, hvilket beviser, at den er 12 % hurtigere end den næsthurtigste autonome drone i denne kategori. Men i en særlig bonusrunde kunne han ikke matche den professionelle menneskelige pilot Gabriel "Gab707" Kocher, der sluttede 5 sekunder efter sin kollega.
Nu, mindre end to år senere, hævder forskere ved universitetet i Zürich, at de har slået bro over den kløft, omend under helt andre forhold og med nogle forbehold. De siger, at tidligere algoritmer for autonome droner var baseret på at forenkle enten quadcopter-systemet eller selve flyvevejen. Den nye algoritme forbedrer disse ved mere præcist at tage højde for dronens begrænsninger og beregne "tidsoptimale baner", der accelererer og decelererer med den korrekte hastighed på forskellige punkter på banen.
Holdet beviste værdien af deres nye algoritme ved at bruge den til at navigere en quadcopter rundt på en racerbane. Eksterne kameraer blev brugt til at fange dronens bevægelse og give den information om dens placering i realtid, som så informerer algoritmen i fremtiden. Styringen af quadcopteren blev derefter overdraget til to professionelle droneracing-piloter, som på forhånd fik tid til at øve sig på banen.
Alle de omgange, der blev gennemført af algoritmen, var hurtigere end de menneskelige piloters, og præstationen var mere stabil, for efter at have bestemt den optimale sti langs ruten, kunne den pålideligt gentage den. Forskere taler, at det er første gang, en autonom quadcopter slår menneskelige piloter i et droneræs, men der går et stykke tid, før Drone Racing League taber til en computer.
Det skyldes, at algoritmen ikke kun er afhængig af eksterne kameraer til at måle dens placering på ruten, men også kræver cirka en times beregninger for at beregne den optimale bane i forhold til tid. Dette er to faktorer, som forskerne søger at tage fat på, før algoritmen finder vej til kommerciel brug: at reducere algoritmens beregningsmæssige krav og lade den stole på kameraer ombord.
Men algoritmen er stadig et væsentligt skridt fremad for teknologien og kan vise sig at være nyttig for droner designet til en bred vifte af applikationer. Uanset om de afslutter eftersøgnings- og redningsoperationer, inspicerer bygninger eller leverer last, er målet, at de skal gøre det med stor hastighed, effektivitet og pålidelighed.
Læs også:
- HIPER SHADOW FPV anmeldelse – Prisbilligt Quadcopter med kamera
- Briller, fjernbetjening og drone - DJI præsenteret et nyt system DJI FPV