Ein kleiner Quadcopter lernt das Fliegen in 18 Sekunden

Es ist ziemlich erstaunlich, wie sehr sich Quadrocopter im letzten Jahrzehnt weiterentwickelt haben. Zum Beispiel sind wir jetzt an dem Punkt angelangt, an dem sie zumindest aus kommerzieller oder wissenschaftlicher Sicht an Wegwerfprodukte grenzen: Für etwas mehr als 200 US-Dollar kann man eine kleine, 27 Gramm schwere Drohne kaufen, komplett Open Source, und alles muss sein das Fliegen beigebracht. Hier wird es etwas schwieriger, denn Drohnen das Fliegen beizubringen ist kein einfacher Prozess. Dank guter Simulation und Techniken wie Reinforcement Learning ist es viel einfacher als bisher, Drohnen Autonomie zu verleihen. Aber es ist normalerweise kein schneller Prozess und es kann schwierig sein, einen reibungslosen Übergang von der Simulation zur Realität zu schaffen.

Das Agile Robotics and Perception Lab der New York University hat in Zusammenarbeit mit dem Technology Innovation Institute (TII) den Prozess zur Erlangung grundlegender Autonomie für die Arbeit an Drohnen erfolgreich rationalisiert und erheblich rationalisiert: Das Laborsystem ist in der Lage, eine Drohne darin zu trainieren Simulation vom Nichts zum stabilen und kontrollierbaren Flug in 18 Sekunden auf einem MacBook Pro. Und tatsächlich nimmt das Kompilieren und Flashen der Firmware auf der Drohne selbst mehr Zeit in Anspruch als der gesamte Trainingsprozess.

ARPL NYU

So ist die Drohne nicht nur in der Lage, einen stabilen Schwebeflug beizubehalten und gleichzeitig Stöße, Stöße und Wind abzuwehren, sondern sie ist auch in der Lage, bestimmten Flugbahnen zu folgen. Nicht schlecht für 18 Sekunden, oder?

Eines der Dinge, die die Trainingszeiten im Allgemeinen verlangsamen, ist die Notwendigkeit, genau das, wofür Sie trainieren, weiter zu verfeinern, ohne es so weit zu verfeinern, dass Sie Ihr System nur für den Flug in Ihrer spezifischen Simulation und nicht in der realen Welt trainieren. Die hier verwendete Strategie ist das, was die Forscher ein Programm nennen (man kann es sich auch als eine Art Unterrichtsplan vorstellen), um die Belohnungsfunktion anzupassen, die zum Trainieren des Systems durch verstärkendes Lernen verwendet wird. Das Programm beginnt milder und erhöht die Strafen schrittweise, um Robustheit und Zuverlässigkeit zu betonen. Es geht um Effizienz: Machen Sie das Training, das Sie benötigen, so, wie es durchgeführt werden muss, um die gewünschten Ergebnisse zu erzielen, und nicht mehr.

Es gibt andere, einfachere Tricks, die diese Technik ebenfalls auf Geschwindigkeit optimieren. Deep-Reinforcement-Learning-Algorithmen sind besonders effizient und nutzen die Hardwarebeschleunigung der Prozessoren der M-Serie von Apple. Die Simulatoreffizienz vervielfacht die programmbasierten Stichprobeneffizienzvorteile der Lernpipeline durch Verstärkung, was zu dieser extrem schnellen Trainingszeit führt.

Dieser Ansatz ist nicht nur auf kleine Drohnen beschränkt: Er funktioniert mit nahezu jeder Drohne, einschließlich der größten und teuersten, oder sogar mit einer Drohne, die Sie selbst von Grund auf bauen.

Jonas Eschmann

Uns wurde gesagt, dass es eher Minuten als Sekunden dauerte, um eine Richtlinie für die Drohne im Video oben zu entwickeln, obwohl die Forscher davon ausgehen, dass selbst für eine komplexere Drohne wie diese in naher Zukunft 18 Sekunden erreichbar sein werden. Und es ist alles Open Source, sodass Sie mit diesem System tatsächlich eine Drohne bauen und ihr das Fliegen beibringen können. Doch wenn man etwas wartet, wird es nur noch besser: Forscher berichten uns, dass sie an einer Integration mit dem Autopiloten der Open-Source-Drohne PX4 arbeiten. Längerfristig besteht die Idee darin, eine einzige Richtlinie zu haben, die sich an unterschiedliche Umgebungsbedingungen sowie unterschiedliche Fahrzeugkonfigurationen anpassen kann, was bedeutet, dass sie bei allen Arten von Flugrobotern und nicht bei einfachen Quadrocoptern funktionieren könnte.

Alles, was Sie brauchen, um es selbst auszuführen, ist auf GitHub verfügbar, und das Papier finden Sie hier auf ArXiv.