Bald geht Skynet online, dann sind wir sowieso alle im Eimer. Der Maya-Kalender hat den Untergang zur Winterzeit 2012 korrekt prophezeit und, ungeachtet jeglicher Umrechnungsprobleme, den Zeitpunkt für das Ende der Welt erraten.
Wieso, fragt ihr? Ganz einfach, die Roboter lernen heute schon von uns, wie sie am besten Hindernisse umfliegen. Natürlich nur um uns besser plattmachen zu können. Bald auch in eurer Stadt: Lässig im Slalom fliegende Todesquadrotoren.
Meine Empfehlungen für dich
Die 4-Stunden-Woche - Mehr Zeit, mehr Geld, mehr Leben | Der Welt-Besteller für eine geniale Work-Life-Balance, ortsunabhängiges Arbeiten und ein fantastisches Leben.
Bestes iPhone Leder-Case - Eleganter kannst du dein iPhone nicht gegen Schmutz und Kratzer schützen. Das 2in1 Leder-Case von Solo Pelle ist abnehmbar, kommt mit Kartenfächern daher und sieht einfach nur mega aus.
Mein liebster Arbeitsstuhl - Ohne den Swopper Air hätte ich sicherlich mehr Rückenschmerzen. Er fördert trotz Sitzposition eine bewegliche Wirbelsäule und hält mich beim Arbeiten aktiv. Das ist ein riesiger Vorteil zum stink normalen Bürostuhl.
Billige Terminator-Witze beiseite: Manuelle Programmierung von beweglichen Robotern ist tatsächlich keine leichte Sache, bei einem Heli mit vier Rotoren sogar verdammt ineffizient. Die komplexen Luftturbulenzen sind nur schwer vorherzusagen und machen selbst einen einfachen Parcours zum Hindernis für die kleinen Flugdrohnen. Zusätzlich erschwerend wirken wohl die Eigenschaften der involvierten Baustoffe: Die weichen Propeller verbiegen sich unterschiedlich, je nach eingesetztem Schub. Da ein Quadrotor über keine Heckflosse oder ähnliche Mechanismen verfügt, wird über unterschiedlich starke Schubwerte der einzelnen Propeller gesteuert.
[youtube]http://www.youtube.com/watch?feature=player_embedded&v=zHTCsSkmADo[/youtube]An der ETH Zürich wird aus diesen Gründen an einer algorithmischen Lösung gearbeitet. Die Drohnen sollen lernen, mit den Problemen des Flugpfads selbst zurecht zu kommen und bei jedem neuen Versuch besser darin werden. Dabei helfen spezielle Sensoren, die an einem Controller hängen. Verschiedene Regelsysteme erzeugen dann einen Ausgleich für die Umstände und optimieren den Flugpfad. Das besondere hieran ist, dass für dieses Situationen kein analytisches Modell besteht, was die nötigen Anpassungen im Voraus berechnen könnte, zumindest nicht in ausreichender Genauigkeit. Der kleine Quadrotor experimentiert also "live" in jedem Anlauf und wendet das iterativ Gelernte sofort an. In weniger als 10 Durchläufen lernt der Roboter einen hocheffizienten Pfad bzw. eine passende Flugtechnik für die Aufgabe.
Stellt euch hier noch ein entsetztes Gesicht am Ende des Parcours vor. Voilá, Skynet ist da.
Natürlich wurde hier mit einem speziellen Testraum geübt, in der freien Natur hätte der winzige Quadrotor eine ganze Flut an zusätzlichem "Noise" bzw. weitaus mehr Störeinflüsse für seinen perfekten Pfad. Auch die Anzahl und Art der Hindernisse ist in diesem Versuch, wie unschwer zu erkennen ist, deutlich eingeschränkt worden. Die Fortschritte sind jedoch beeindruckend und deuten auf eine Zukunft, in der unsere Androiden und Roboter von ganz alleine den Königsweg für ihre zugewiesene Aufgabe finden. Handwerker und Fabrikarbeiter werden wohl künftig auf "Robo-Operator" umgeschult werden und lediglich die passenden Parameter für den ersten Durchlauf liefern. Hoffentlich beeilt sich die ETH Zürich, ich habe nämlich keinen Bock beim Auszug meine Wohnung selber streichen zu müssen. Ein Airbrush Quadrotor Heli mit algorithmischer Lernfunktion muss her.
[youtube]http://www.youtube.com/watch?feature=player_embedded&v=zHTCsSkmADo[/youtube]via Robohub
Noch kein Fan? Folge WEBLOGIT auf Facebook oder Twitter, um nichts zu verpassen! ↵
