Forscher am MIT stellen SANDO vor: ein Drohnen-Bahnplaner mit formaler Garantie für kollisionsfreien Flug

Forscher am MIT haben einen Trajektorienplaner für unbemannte Luftfahrzeuge (UAVs) namens SANDO beschrieben, kurz für Safe AutoNomous trajectory planning for Dynamic unknOwn environments (sichere autonome Trajektorienplanung für dynamische unbekannte Umgebungen). Laut MIT News, das die Arbeit am 7. Oktober bekannt gab, legt das System eine Route durch eine Umgebung fest, die die Drohne nie kartiert hat, selbst wenn sich Objekte darin auf eine Weise bewegen, die niemand vorhersagen kann, und das Team hat mathematisch bewiesen, dass die resultierenden Trajektorien Kollisionen vermeiden. Die Arbeit erscheint in den IEEE Transactions on Robotics. Die Forscher nennen Einsatzmöglichkeiten wie Such- und Rettungsflüge in eingestürzte Gebäude, die Erkundung verborgener Tunnelnetze in Bergwerken oder Paketzustellung in belebten Wohnvierteln.

Planer dieser Art setzen Kamera- und Sensordaten des Fluggeräts in einen Pfad zu dessen Ziel um. Wie das MIT erklärt, gehen die meisten bestehenden Planer entweder davon aus, dass Hindernisse in einem unbekannten Raum stillstehen, oder sie umfliegen bewegte Hindernisse ohne formale Zusage, dass es zu keinem Absturz kommt; weit verbreitete Systeme, die solche Garantien tatsächlich geben, benötigen in der Regel eine statische Szene oder im Voraus bekannte Hindernisse. Jede mögliche Kollision in einer sich verändernden Szene zu prüfen, wäre nach Angaben der Forscher für den praktischen Einsatz zu langsam. Erstautor Kota Kondo formuliert es in der Mitteilung des MIT so: „In einer unbekannten dynamischen Umgebung hat man nicht viele Annahmen, auf die man sich stützen kann.“

SANDO baut zunächst einen Sicherheitskorridor auf, eine Kette verbundener 3D-Bereiche, die keine Hindernisse enthalten und durch die die Drohne fliegen darf. Anders als frühere Korridore verändert sich dieser im Lauf der Zeit. Ein eigenes Modul erkennt bewegte Hindernisse, gruppiert sie und verfolgt sie, um abzuschätzen, wohin sie sich bewegen. Da ihr genauer künftiger Weg unbekannt ist, nimmt der Planer die Höchstgeschwindigkeit jedes Hindernisses, berechnet, wie weit es innerhalb einer bestimmten Zeit kommen könnte, und umhüllt es mit einer Kugel, die jeden Punkt abdeckt, den es erreichen könnte; der Korridor wird dann um diese Kugeln herum geformt. Ein Heatmap-Planer markiert dicht belegte „heiße“ Bereiche, damit die Drohne von ihnen weggelenkt wird. Innerhalb des Korridors sucht SANDO die schnellste Route zum Ziel und überarbeitet während des Flugs fortlaufend sowohl Korridor als auch Trajektorie. Das Team vereinfachte die zugrunde liegende Optimierung, damit der Bordcomputer schnell neu planen kann.

In Simulationen erreichte SANDO nach Angaben der Forscher sein Ziel schneller als mehrere Systeme auf dem neuesten Stand der Technik und hatte in keiner der getesteten Umgebungen eine Kollision. Bei 12 Testflügen mit einem echten UAV, bei denen das System auf dem eigenen Computer und den eigenen Sensoren des Fluggeräts lief, wich es allen bewegten Hindernissen aus. „Der schwierigste Teil bei der Entwicklung von SANDO war die Mathematik“, sagt Kondo. Kondo, der kürzlich seine Promotion in Luft- und Raumfahrttechnik am MIT abgeschlossen hat, verfasste die Arbeit mit Jesús Tordesillas, inzwischen Assistenzprofessor an der Päpstlichen Universität Comillas (Comillas Pontifical University) in Madrid, sowie drei Graduate Students des MIT, Juan Rached, Lili Sun und Yixuan Jia. Seniorautor ist Jonathan P. How, der am Laboratory for Information and Decision Systems (LIDS) des MIT und an dessen Aerospace Controls Laboratory arbeitet. Die Defense Science and Technology Agency of Singapore finanzierte die Arbeit teilweise.

Fei Gao von der Zhejiang University in China, ein außerordentlicher Professor (Associate Professor), der nicht an dem Projekt beteiligt war, fasste das Problem zusammen, auf das der Planer abzielt: „Ein Pfad, der bei der Planung sicher ist, kann unsicher werden, wenn sich die Umgebung verändert.“ Er schreibt den zeitvariablen Flugkorridoren von SANDO, der Trajektorienoptimierung mit harten Nebenbedingungen und den Hardwaretests zu, einen praktikablen Ansatz für komplexe dynamische Umgebungen zu bieten. Als nächste Schritte könnten die Forscher nach eigenen Angaben SANDO weniger rechenintensiv machen und mit Machine-Learning-Modellen koppeln, damit Nutzer einem Roboter Anweisungen in Alltagssprache geben können. MIT News führt neben dem Paper zudem einen Link zum SANDO-Code auf.