Onderzoekers van het Worcester Polytechnic Institute hebben een nieuwe manier ontwikkeld om kleine drones zelfstandig te laten navigeren in omstandigheden waar traditionele systemen moeite mee hebben, zoals mist, rook en volledige duisternis.
Het onderzoek, onder leiding van Nitin J. Sanket en gepubliceerd in Science Robotics, beschrijft hoe een combinatie van ultrasone sensoren en kunstmatige intelligentie drones in staat stelt hun omgeving waar te nemen met weinig rekenkracht en energieverbruik. De aanpak is geïnspireerd op vleermuizen, die zich oriënteren via echolocatie.
In plaats van zware en energie-intensieve technologieën zoals lidar en radar, gebruikt het systeem slechts twee kleine ultrasone sensoren. Een deep learning-model interpreteert de teruggekaatste geluidsgolven, vergelijkbaar met hoe vleermuizen echo’s verwerken. Volgens de onderzoekers kan dit de inzet van lichtere en goedkopere drones mogelijk maken, vooral in situaties waarin zicht beperkt is.
Om storend geluid van de propellers te verminderen, rustte het team de drone uit met een akoestisch schild. Daardoor kunnen de ultrasone signalen beter worden onderscheiden van achtergrondgeluid. De aangepaste quadrotor, ongeveer 15 centimeter breed en circa een halve kilo zwaar, werd getest in uiteenlopende omgevingen, zowel binnen als buiten.
Tijdens 180 testvluchten, onder meer in ruimtes met obstakels, kunstmatige mist en sneeuw, en in volledige duisternis, behaalde de drone een succespercentage tussen 72% en 100%. Het systeem bleek minder effectief bij het detecteren van dunne objecten, zoals metalen stangen en smalle takken, die zwakkere echo’s opleveren.
Het onderzoek werd gefinancierd door de National Science Foundation. Aan het project werkten ook Manoj Velmurugan, Phillip Brush, Colin Balfour en Richard Przybyla van TDK InvenSense mee.
De onderzoekers richten zich nu op verdere verkleining en gewichtsreductie van het systeem, met als doel de vliegtijd te verlengen en de inzetbaarheid te vergroten, bijvoorbeeld bij zoek- en reddingsoperaties.
