Onderzoekers van UC San Diego en Shield AI hebben een innovatieve methode ontwikkeld waarmee onbemande luchtvaartuigen (UAV's) sneller en nauwkeuriger door belemmerde ruimtes kunnen navigeren door kaartvorming en routeplanning te integreren.
Het autonoom besturen van drones in omgevingen met veel obstakels vereist dat een robot in real-time een geometrische kaart van de omgeving kan maken en tegelijkertijd een veilige, dynamisch haalbare route kan berekenen. Traditionele systemen behandelen het maken van de kaart en het plannen van de route als twee aparte fasen. Bovendien maken veel huidige methoden gebruik van binaire bezettingskaarten om botsingen te detecteren, wat beperkte informatie biedt over de exacte afstand tot objecten.
Volgens een wetenschappelijke publicatie op arxiv.org pleiten de onderzoekers voor een co-design van deze twee fasen, waarbij beide gebaseerd zijn op één enkele representatie: de Signed Distance Function (SDF). Een SDF codeert de afstand tot het dichtstbijzijnde obstakel, wat veel rijkere informatie oplevert voor trajectoptimalisatie dan een eenvoudige aan- of uitmelding van bezetting.
OREN en Bubble*
Om deze visie te realiseren, hebben de wetenschappers twee nieuwe systemen ontwikkeld. Het eerste is het Octree REsidual Network, afgekort als OREN. Dit systeem combineert een expliciete octree-structuur met een impliciet neuraal residu. Hierdoor kan de drone online SDF-kaarten reconstrueren op basis van point cloud-observaties. De methode combineert de efficiëntie van volumetrische methoden met de nauwkeurigheid en differentieerbaarheid van neurale netwerken.
Parallel hieraan is Bubble* ontwikkeld, een zoekalgoritme voor routeplanning. Dit systeem maakt gebruik van de beschikbare afstandsinformatie om maximale botsingsvrije bollen, genaamd 'bubbles', te creëren. Volgens de beschrijving op biedt deze aanpak formele garanties voor beëindiging, volledigheid en het detecteren van falen. Door te plannen over een graaf van deze bollen in plaats van een traditioneel raster, wordt het aantal benodigde controles op botsingen drastisch verminderd. Dit resulteert in een veilige corridor die vervolgens kan worden gebruikt voor de uiteindelijke trajectoptimalisatie.
Significante prestatieverbeteringen
De geïntegreerde OREN-Bubble*-benadering is getest op een quadrotor die door onbekende binnenruimtes navigeerde onder strikte computerbeperkingen. De resultaten tonen een aanzienlijke verbetering ten opzichte van bestaande standaarden. Zo verbeterde OREN de schatting van de SDF met 22 procent vergeleken met baseline-methoden.
Op het gebied van snelheid bleek Bubble* superieur. In een complexe omgeving kon het systeem trajecten van ongeveer 90 meter berekenen in een tijdspanne van één tot drie seconden. Ter vergelijking: baselines hadden in dezelfde omgeving tot wel tien seconden nodig om een route te bepalen, zoals vermeld in de documentatie van .
Context en andere actualiteiten
Terwijl de academische wereld zich richt op autonome systemen, zijn er in andere sectoren eveneens belangrijke ontwikkelingen. In de sportwereld bereidt Real Madrid zich voor op het seizoen 2026-27. Zo heeft de club recentelijk een nieuw tweede shirt gepresenteerd in samenwerking met adidas, zoals aangekondigd op de realmadrid.com. Daarnaast staat de agenda van de club vol met vriendschappelijke wedstrijden, waaronder een ontmoeting met Fiorentina op 1 augustus in Oostenrijk.
Hoewel er diverse informatiebronnen beschikbaar zijn, zoals de luxe platform therealreal.com, bleken sommige digitale toegangspunten tijdens de verzameling van gegevens beperkt of ontoegankelijk, wat aantoont dat digitale infrastructuur, net als de navigatiesystemen voor drones, onderhevig is aan technische variaties.
De doorbraak in SDF-mapping markeert een belangrijke stap richting volledig autonome drones die zonder menselijke tussenkomst en met minimale rekenkracht veilig door onbekende, complexe omgevingen kunnen vliegen.