KI-gestützte Sicherheitsfunktionen für zivile Drohnen zu entwickeln, ist Ziel eines neuen Forschungsprojekts der Universität Augsburg. Solche Drohnen sollen in Zukunft beispielsweise Waldbrände frühzeitig und selbstständig erkennen. Kooperationspartner ist die Firma Emqopter. Das Projekt wird vom Freistaat Bayern mit rund 700.000 Euro für drei Jahre gefördert.
Im Mittelpunkt des Projekts steht die Entwicklung von Software, die es Drohnen erlaubt, ihr Verhalten in Echtzeit zu analysieren und anzupassen. Durch lernfähige Verfahren könnten sicherheitsrelevante Funktionen wie Autorotation, Aufprallschutz und Notlandung verbessert werden, erklärt die Uni Augsburg. So sollen zivile Drohnen künftig in sensiblen Einsatzgebieten zuverlässiger agieren. Vorstellbar sei der Einsatz solcher Drohnen unter anderem für Überwachungsaufgaben und Lieferdienste.
Selbstständigkeit der Drohnen erhöhen
Das Augsburger Forschungsteam entwickelt Methoden, mit denen neuronale Netzwerke dynamische Systeme besser modellieren können. Die KI soll dabei nicht nur aus vorhandenen Trainingsdaten lernen, sondern auch selbstständig neue Daten generieren und ihr Verhalten während des Flugs an bisher unbekannte Situationen anpassen. „Unser Beitrag liegt darin, die Sicherheit und die Selbstständigkeit solcher Drohnen zu erhöhen, so dass ihre Einsatzmöglichkeiten und -gebiete steigen“, sagt Christoph Ament vom Lehrstuhl für Ingenieurinformatik mit Schwerpunkt Regelungstechnik. „Als Regelungstechniker entwickeln wir entsprechende Software für den Betrieb der Drohne. Dazu werden unter anderem Künstliche Neuronale Netze eingesetzt, damit die Drohne aus ihrem Verhalten lernen und dies stetig verbessern kann. Unser Ziel ist es, Drohnen sicherer und autonomer zu machen – und damit ihre Einsatzmöglichkeiten für zivile Anwendungen deutlich zu erweitern“, so der Lehrstuhlinhaber.
Zusätzlich werde eine Methode entwickelt, die im Betrieb einer Drohne die Zuverlässigkeit des neuronalen Netzes überwacht. Damit soll sichergestellt werden, dass sich die Drohne auch auf Betriebsfälle anpassen kann, die nicht in den Trainingsdaten enthalten sind.
az