Robot leert zichzelf zien zonder zwaartekracht

Bij een experiment aan boord van het International Space Station (ISS) heeft een kleine drone zichzelf geleerd afstanden te zien met maar één oog. Onderzoekers presenteerden de resultaten van dit experiment deze week op het 67e International Astronautical Congress (IAC) in Guadalajara, Mexico.

Mensen kunnen makkelijk met één oog afstanden schatten, maar het is niet duidelijk hoe wij dit leren en ook niet hoe robots dit kunnen leren. “Er bestaat geen wiskundig kader om afstanden tot objecten te bepalen uit slechts één beeld als je dat object niet eerder hebt waargenomen”, aldus Guido de Croon van de TU Delft, een van de hoofdonderzoekers.

“Maar als we een object bijvoorbeeld als een auto herkennen, kennen we de fysieke kenmerken en kunnen we met behulp van die gegevens de afstand van die auto tot onszelf schatten. We wilden dat de drone dit soort logica zelf zou leren tijdens het experiment.” De drone had wel te kampen met de extra moeilijkheid van een gewichtsloze omgeving, waardoor die vanuit veel verschillende hoeken waargenomen kan worden.

Tijdens het begin van het experiment verplaatste de drone in het ISS terwijl hij met zijn twee ‘ogen’ (camera’s) afstanden in de omgeving zag. Tijdens het vliegen leerde de drone de afstanden tot wanden en obstakels ook met één oog (camera) te zien. Als er dan een camera uitvalt, kan de drone toch verder bewegen. Voor mensen is het wat ongemakkelijk om één oog dicht te hebben, maar we kunnen toch veilig rondlopen.

“Het was heel bijzonder om te zien hoe voor het eerst een drone in de ruimte geavanceerde kunstmatige intelligentie gebruikte om te leren”, zegt Dario Izzo van het Advanced Concepts Team van de ESA. “Bij ESA, en meer in het bijzonder bij het Advanced Concepts Team, hebben we hier vijf jaar aan gewerkt. In ruimtetoepassingen worden zelflerende machines meestal gezien als een onbetrouwbare methode voor het bereiken van autonomie: wanneer een machine zichzelf iets fout aanleert, kan dit rampzalige gevolgen hebben en een complete missie doen mislukken.”

“Onze aanpak, leren onder eigen supervisie, heeft een hoge betrouwbaarheidsgraad: een eenvoudiger versie van het leeralgoritme is al met succes toegepast op zelfrijdende auto’s, waarbij betrouwbaarheid ook van het allergrootste belang is.”