Drohnen haben ein breites Anwendungsspektrum, aber es kann eine Herausforderung sein, sie in unbekannte Umgebungen zu schicken. Ob es darum geht, ein Paket auszuliefern, Wildtiere zu überwachen oder Such- und Rettungsmissionen durchzuführen, das Wissen, wie man sich in zuvor unsichtbaren Umgebungen (oder solchen, die sich erheblich verändert haben) zurechtfindet, ist entscheidend für eine Drohne, um Aufgaben effektiv zu erledigen. Forscher des Massachusetts Institute of Technology (MIT) glauben, dass sie dank flüssiger neuronaler Netze eine effektivere Möglichkeit gefunden haben, Drohnen beim Fliegen durch unbekannte Räume zu helfen.
Das MIT hat seine flüssigen neuronalen Netze – die von der Anpassungsfähigkeit organischer Gehirne inspiriert sind – im Jahr 2021 geschaffen. Die Algorithmen für künstliche Intelligenz und maschinelles Lernen können lernen und sich an neue Daten in der realen Welt anpassen, nicht nur während sie trainiert werden. Mit anderen Worten, sie können spontan denken.
Sie sind in der Lage, Informationen zu verstehen, die für die Aufgabe einer Drohne entscheidend sind, während sie irrelevante Merkmale einer Umgebung ignorieren, stellen die Forscher fest. Die flüssigen neuronalen Netze können laut einem in veröffentlichten Artikel auch „dynamisch die wahre Ursache und Wirkung ihrer jeweiligen Aufgabe erfassen“. Wissenschaftliche Robotik. Dies ist “der Schlüssel zur robusten Leistung von Liquid Networks bei Verteilungsverschiebungen”.
Die flüssigen neuronalen Netze übertrafen andere Ansätze für Navigationsaufgaben, stellten die Forscher in der Veröffentlichung fest. Die Algorithmen „zeigten ihre Fähigkeit, zuverlässige Entscheidungen in unbekannten Bereichen wie Wäldern, Stadtlandschaften und Umgebungen mit zusätzlichem Rauschen, Rotation und Okklusion zu treffen“, sagte die Universität in einer Pressemitteilung.
Das MIT weist darauf hin, dass Deep-Learning-Systeme beim Verständnis der Kausalität ins Wanken geraten und sich nicht immer an unterschiedliche Umgebungen oder Bedingungen anpassen können. Das ist ein Problem für Drohnen, die schnell auf Hindernisse reagieren müssen.
„Unsere Experimente zeigen, dass wir einer Drohne effektiv beibringen können, im Sommer ein Objekt in einem Wald zu lokalisieren, und das Modell dann im Winter in einer völlig anderen Umgebung oder sogar in städtischen Umgebungen mit unterschiedlichen Aufgaben wie Suchen und Verfolgen einsetzen können“, Computer Daniela Rus, Direktorin des Science and Artificial Intelligence Laboratory (CSAIL), MIT-Professorin und Mitautorin der Veröffentlichung, sagte in einer Erklärung: “Diese Anpassungsfähigkeit wird durch die kausalen Grundlagen unserer Lösungen ermöglicht. Diese flexiblen Algorithmen könnten eines Tages bei der Entscheidungsfindung helfen auf Datenströme, die sich im Laufe der Zeit ändern, wie z. B. medizinische Diagnosen und autonome Fahranwendungen.
Die Forscher trainierten ihr System mit Daten, die von einem menschlichen Piloten erfasst wurden. Dies ermöglichte es ihnen, die Fähigkeit des Piloten zu berücksichtigen, ihre Navigationsfähigkeiten in neuen Umgebungen einzusetzen, in denen sich die Bedingungen und Landschaften erheblich verändert haben. Beim Testen der flüssigen neuronalen Netze stellten die Forscher fest, dass Drohnen beispielsweise in der Lage waren, sich bewegende Ziele zu verfolgen. Sie schlagen vor, dass die Verbindung begrenzter Daten aus Expertenquellen mit einer verbesserten Fähigkeit, neue Umgebungen zu verstehen, den Drohnenbetrieb zuverlässiger und effizienter machen könnte.
„Robustes Lernen und Leistung bei Out-of-Distribution-Aufgaben und -Szenarien sind einige der Hauptprobleme, die maschinelles Lernen und autonome Robotersysteme überwinden müssen, um in gesellschaftskritischen Anwendungen weiter Fuß zu fassen“, sagt Alessio Lomuscio, PhD, Professor für KI-Sicherheit (in der Fakultät für Informatik) am Imperial College London. “In diesem Zusammenhang ist die Leistung von flüssigen neuronalen Netzen, einem neuartigen, vom Gehirn inspirierten Paradigma, das von den Autoren des MIT entwickelt wurde und in dieser Studie berichtet wird, bemerkenswert.”