Een zwerm drones die zelfstandig samenwerkt om slachtoffers van een ramp te vinden, zonder voortdurend met elkaar te hoeven communiceren. Dat klinkt futuristisch, maar onderzoekers hebben laten zien dat zo’n aanpak in simulaties verrassend goed kan werken. Ze combineerden kunstmatige intelligentie met een principe dat is geïnspireerd op mieren: drones laten als het ware virtuele ‘feromoonsporen’ achter, waarmee andere drones kunnen zien waar al is gezocht en waar mogelijk slachtoffers zijn.
Inhoudsopgave
Virtuele feromonen
Het onderzoek draait om een combinatie van reinforcement learning en zogenoemde stigmergie. Dat laatste is een vorm van indirecte samenwerking waarbij dieren hun omgeving gebruiken om informatie met elkaar te delen. Mieren doen dat bijvoorbeeld door feromonen achter te laten die andere mieren naar voedsel kunnen leiden.
De onderzoekers vertaalden dit principe naar een virtuele omgeving voor drones. Iedere drone houdt informatie bij over onder meer eerder doorzochte gebieden, de vermoedelijke locatie van slachtoffers, gevaarlijke gebieden en de kwaliteit van de communicatie. Die informatie wordt vastgelegd in verschillende virtuele ‘feromoonlagen’.
Niet alleen weten waar, maar ook welke kant op
Een belangrijk verschil met eerdere systemen is dat de drones niet alleen kijken naar de sterkte van zo’n virtueel spoor. Ze krijgen ook informatie over de richting waarin de concentratie toeneemt. Daardoor kan een drone bijvoorbeeld bepalen in welke richting zich waarschijnlijk een slachtoffer bevindt of welk gebied nog niet is onderzocht.
De onderzoekers combineerden deze informatie vervolgens met multi-agent reinforcement learning. Daardoor hoeven de drones niet volgens een vooraf vastgelegde zoekstrategie te vliegen, maar kunnen ze op basis van de beschikbare informatie zelfstandig beslissingen nemen. Er is daarbij geen centrale drone die de rest aanstuurt en ook geen permanente communicatie tussen alle drones nodig.
Simulatie: bijna 99 procent van gebied doorzocht
De resultaten zijn opvallend. In de simulaties wist de hybride aanpak 98,9 procent van het zoekgebied te bestrijken en werd 93,3 procent van de slachtoffers gevonden. Bij een systeem dat alleen gebruikmaakte van reinforcement learning kwam de gebiedsdekking uit op 81,8 procent en werd 71,7 procent van de slachtoffers gevonden.
De virtuele testomgeving bestond uit een raster van 40 bij 40 vakken, met tien drones, twintig slachtoffers, 180 obstakels en vijftig gevaarlijke gebieden. De onderzoekers voerden 30 runs uit voor de verschillende scenario’s en vergeleken de resultaten met verschillende andere zoekstrategieën.
Zelfs zonder communicatie blijft de zwerm zoeken
Het interessantste onderdeel van het onderzoek is misschien wel de test waarbij de communicatie tussen de drones geleidelijk werd uitgeschakeld. Bij volledige communicatie-uitval bleef de hybride zwerm volgens de simulatie ongeveer 99 procent van het gebied bestrijken. Dat was slechts een zeer kleine verslechtering ten opzichte van de situatie waarin de drones volledig met elkaar konden communiceren.
Dat komt doordat iedere drone zijn eigen lokale ‘geheugen’ van het zoekgebied bijhoudt. Zodra communicatie met andere drones wegvalt, kunnen de drones dus nog steeds doorgaan met zoeken op basis van hun eigen opgebouwde informatie. De onderzoekers zien dat als een belangrijke eigenschap voor rampgebieden, waar bijvoorbeeld gebouwen zijn ingestort of mobiele communicatienetwerken zijn uitgevallen.
Nog geen praktijkproef
De resultaten moeten overigens met enige voorzichtigheid worden geïnterpreteerd. De drones zijn nog niet daadwerkelijk ingezet bij een zoek- en reddingsactie. Het onderzoek is uitgevoerd in een sterk vereenvoudigde tweedimensionale computersimulatie. Ook werden slachtoffers en obstakels niet daadwerkelijk met camera’s of warmtebeeldsensoren waargenomen: hun locaties waren in het model bekend.
Daarnaast zijn echte vliegeigenschappen zoals snelheid, acceleratie, vliegrichting en accuduur niet gemodelleerd. De onderzoekers noemen zelf de kloof tussen simulatie en praktijk als een belangrijke beperking. Een volgende stap is daarom testen met realistischere sensoren, vliegdynamica en uiteindelijk fysieke drones.
Toch laat het onderzoek zien hoe een combinatie van zwermintelligentie en AI kan helpen bij een van de lastigste problemen van autonome drones: hoe laat je een grote groep drones samenwerken wanneer een centrale aansturing of betrouwbare communicatie niet beschikbaar is? Het antwoord van de onderzoekers is opmerkelijk eenvoudig: laat de drones hun omgeving gebruiken als een soort gezamenlijk geheugen.
