Forscher trainieren Roboter-Segelflugzeuge zum Fliegen

Forscher trainieren Roboter-Segelflugzeuge zum Fliegen

Neuartige Studie nutzt Reinforcement Learning, um die Weichen für künstliche Intelligenz zu stellen

LA JOLLA – Die Worte „fliegen wie ein Adler“ sind bekanntermaßen Teil eines Liedes, aber es können auch Worte sein, die manche Wissenschaftler zum Staunen bringen. Besonders wenn es um hochfliegende Vögel wie Adler, Falken und Habichte geht, die scheinbar mit Leichtigkeit große Höhen über Hügel, Schluchten und Berggipfel erreichen. Wissenschaftler wissen, dass aufsteigende warme Luftströme die Vögel bei ihrem Flug unterstützen, sie wissen jedoch nicht, wie die Vögel diese thermischen Wolken finden und navigieren.

Um dies herauszufinden, nutzten Forscher des Salk Institute und der University of California San Diego Reinforcement Learning, um Segelflugzeugen beizubringen, autonom durch atmosphärische Thermik zu navigieren und Höhen von 700 Metern – fast 2,300 Fuß – zu erreichen. Die neuartigen Forschungsergebnisse, veröffentlicht in der Ausgabe vom 19. September Natur, heben die Rolle vertikaler Windbeschleunigungen und Rolldrehmomente als brauchbare biologische Hinweise für hochfliegende Vögel hervor. Die Ergebnisse liefern auch eine Navigationsstrategie, die direkt auf die Entwicklung autonomer Flugfahrzeuge oder unbemannter Luftfahrzeuge (UAVs) anwendbar ist.

„Dieses Papier ist ein wichtiger Schritt in Richtung künstlicher Intelligenz – wie man wie ein Vogel autonom in ständig wechselnder Thermik aufsteigen kann. Ich war überrascht, dass relativ wenig Lernen nötig war, um Expertenleistungen zu erbringen“, sagt Professor Terrence Sejnowski, Leiter des Computational Neurobiology Laboratory von Salk und einer der Autoren des Papiers.

Reinforcement Learning ist ein von der Verhaltenspsychologie inspirierter Bereich des maschinellen Lernens, bei dem ein Agent anhand durchgeführter Aktionen und der Ergebnisse lernt, wie er sich in einer Umgebung zu verhalten hat. Laut Professor Massimo Vergassola vom Department of Physics der UC San Diego und Doktorand Gautam Reddy bietet es einen geeigneten Rahmen, um eine effektive Navigationsstrategie als eine Abfolge von Entscheidungen zu identifizieren, die als Reaktion auf Umweltreize getroffen werden.

„Wir stellen die Gültigkeit unserer erlernten Flugpolitik durch Feldexperimente, numerische Simulationen und Schätzungen des Lärms in Messungen fest, der aufgrund atmosphärischer Turbulenzen unvermeidlich vorhanden ist“, erklärte Vergassola. „Dies ist ein neuartiges Beispiel für das Erlernen einer Navigationsaufgabe vor Ort, wo das Lernen durch eine Vielzahl physikalischer Effekte und die Unvorhersehbarkeit der natürlichen Umgebung stark erschwert wird.“

In der Studie, die gemeinsam vom Salk Institute, der UC San Diego Division of Biological Sciences und dem Abdus Salam International Center for Theoretical Physics in Triest, Italien, durchgeführt wurde, rüstete das Team Segelflugzeuge mit einer Flügelspannweite von zwei Metern mit einem Flugcontroller aus. Das Gerät ermöglichte die Umsetzung autonomer Flugrichtlinien an Bord durch präzise Steuerung von Querneigung und Neigung. Eine Navigationsstrategie wurde ausschließlich aus den gebündelten Erfahrungen der Segelflugzeuge über mehrere Tage im Feld unter Verwendung explorativer Verhaltensstrategien ermittelt. Die Strategien stützten sich auf neue Bordmethoden, die im Laufe der Forschung entwickelt wurden, um die lokalen vertikalen Windbeschleunigungen und Rolldrehmomente der Segelflugzeuge, die als Navigationshinweise dienten, genau abzuschätzen.

Die Methodik der Wissenschaftler umfasste die Schätzung der vertikalen Windbeschleunigung und der vertikalen Windgeschwindigkeitsgradienten über die Flügel der Segelflugzeuge, die Gestaltung des Lernmoduls, das Erlernen der Thermikflugstrategie vor Ort, das Testen der Leistung der erlernten Strategie vor Ort und das Testen der Leistung verschiedene Flügelspannweiten in Simulationen und Abschätzung des Lärms bei der Gradientenmessung aufgrund atmosphärischer Turbulenzen.

Sejnowski fügt hinzu: „Diese Ergebnisse sind von Bedeutung, da wir unsere bisherige Simulationsarbeit erfolgreich auf ein reales Segelflugzeug anwenden konnten.“

Die Arbeit wurde durch Simons Foundation Grant 340106 finanziert.

Diese Pressemitteilung basiert auf Materialien, die von der University of California San Diego bereitgestellt wurden.