Een van de vele manieren waarop onderzoekers werken om de prestaties van autonome drones te verbeteren, is door ze te laten concurreren met mensen in hun races. Er is enige vaardigheid voor nodig om een kleine quadcopter met ongelooflijke snelheden in een kleine ruimte te besturen, en door algoritmen te ontwikkelen die deze mogelijkheden overtreffen, kunnen we een generatie drones creëren met ongelooflijke mogelijkheden. Wetenschappers van de Universiteit van Zürich beweren dat ze dankzij een nieuw algoritme dat met grote efficiëntie een vliegroute kan bouwen, precies dat hebben gedaan.
In slechts een paar jaar tijd is droneracen uitgegroeid van een ondergrondse hobby van luchtvaartenthousiastelingen tot een professionele sport, en een van de organisaties die dit hoge niveau van competitie promoten, is de Drone Racing League. In het seizoen 2019 organiseerden de organisatoren voor het eerst een speciale wedstrijd voor autonome drone-ontwikkelaars die hun bemande vliegtuig tegen elkaar konden opnemen voor aanzienlijke geldprijzen.
De aan de TU Delft ontwikkelde drone behaalde de eerste plaats in de eerste kwalificatiewedstrijd en bewees dat hij 12% sneller is dan de volgende snelste autonome drone in deze categorie. Maar in een speciale bonusronde kon hij de professionele menselijke piloot Gabriel "Gab707" Kocher niet evenaren, hij eindigde 5 seconden achter zijn collega.
Nu, minder dan twee jaar later, beweren onderzoekers van de Universiteit van Zürich dat gat te hebben overbrugd, zij het onder totaal andere omstandigheden en met enkele kanttekeningen. Ze zeggen dat eerdere algoritmen voor autonome drones gebaseerd waren op het vereenvoudigen van het quadcopter-systeem of de vliegroute zelf. Het nieuwe algoritme verbetert deze door nauwkeuriger rekening te houden met de beperkingen van de drone en door "tijd-optimale trajecten" te berekenen die versnellen en vertragen met de juiste snelheid op verschillende punten op de koers.
Het team bewees de waarde van hun nieuwe algoritme door het te gebruiken om een quadcopter over een racecircuit te navigeren. Er werden externe camera's gebruikt om de beweging van de drone vast te leggen en deze in realtime informatie te geven over zijn locatie, die vervolgens het algoritme in de toekomst informeert. De besturing van de quadcopter werd vervolgens overgedragen aan twee professionele drone-racepiloten, die vooraf de tijd kregen om op de baan te oefenen.
Alle door het algoritme afgelegde ronden waren sneller dan die van de menselijke piloten, en de prestaties waren stabieler, omdat het, na het bepalen van het optimale pad langs de route, het op betrouwbare wijze kon herhalen. Wetenschappers spreken, dat dit de eerste keer is dat een autonome quadcopter menselijke piloten verslaat in een dronerace, maar het zal nog even duren voordat de Drone Racing League verliest van een computer.
Dit komt doordat het algoritme niet alleen vertrouwt op externe camera's om zijn locatie op de route te meten, maar ook ongeveer een uur aan berekeningen nodig heeft om het optimale traject in termen van tijd te berekenen. Dit zijn twee factoren die de wetenschappers willen aanpakken voordat het algoritme zijn weg naar commercieel gebruik vindt: de rekenvereisten van het algoritme verminderen en het laten vertrouwen op ingebouwde camera's.
Maar het algoritme is nog steeds een belangrijke stap voorwaarts voor de technologie en zou nuttig kunnen zijn voor drones die zijn ontworpen voor een breed scala aan toepassingen. Of ze nu zoek- en reddingsoperaties uitvoeren, gebouwen inspecteren of vracht afleveren, het doel is dat ze dit met grote snelheid, efficiëntie en betrouwbaarheid doen.
Lees ook:
- HIPER SHADOW FPV Review – Betaalbare quadcopter met camera
- Bril, afstandsbediening en drone - DJI presenteerde een nieuw systeem DJI FPV