Räumliche künstlicher Intelligenz: Wie Drohnen sich zurechtfinden

Menschen nehmen ihre Umgebung dreidimensional wahr, und Sie können schnell
einschätzen, ob Situationen im Alltag brenzlig werden können. Drohnen
müssen das erst lernen. Die Intelligenz, die dafür nötig ist, nennt
Professor Stefan Leutenegger räumliche künstliche Intelligenz, engl.
Spatial AI. Zum Einsatz kommt der neue Ansatz künftig, um Wälder zu
kartographieren, Schiffe zu inspizieren sowie Mauern zu bauen.

-       Voraussetzung für räumliche künstliche Intelligenz ist die
Orientierung im Raum sowie eine Karte aufzubauen.
-       Über neuronale Netze kann das System lernen, Gegenstände im Raum
in drei Dimensionen zu erkennen.
-       In drei Forschungsprojekten setzt Professor Stefan Leutenegger die
räumliche künstliche Intelligenz aktuell ein.

Bei Menschen läuft alles automatisch ab: Sie erkennen Objekte und ihre
Eigenschaften, können Abstände und Gefahren einschätzen, mit anderen
Menschen interagieren. Stefan Leutenegger spricht von einer kohärenten 3D-
Repräsentation der Umgebung, einem einheitlichen Gesamtbild. Eine Drohne
zu befähigen, statische von dynamischen Elementen zu unterscheiden und
andere Akteure zu erkennen: Das ist einer der wichtigen Aufgabenbereiche
des Professors für maschinelles Lernen in der Robotik an der TUM, der
zudem Leiter des Innovationsfeldes künstliche Intelligenz im Munich
Institute of Robotics and Machine Intelligence (MIRMI) ist.

Räumliche KI Schritt 1: Position des Roboters im Raum einschätzen und
diesen kartographieren
Leutenegger setzt auf „Spatial AI“, um einer Drohne die nötige Intelligenz
mit an Bord zu geben, damit sie künftig durch einen Wald fliegen kann,
ohne gegen feine Äste zu prallen, um dreidimensional zu drucken oder
Laderäume von Tankern oder Frachtern zu inspizieren. Spatial AI –
übersetzt bedeutet es so viel wie räumliche künstliche Intelligenz – setzt
sich aus mehreren Bausteinen zusammen, die je nach spezifischer Aufgabe
angepasst werden und an deren Anfang die Wahl der Sensoren steht:
-       Computervision: Über eine oder zwei Kameras nimmt die Drohne die
Umwelt wahr. Für das Tiefensehen sind – wie beim Menschen zwei Augen –
zwei Kameras nötig. Leutenegger nutzt zwei Sensoren, deren Bilder er
gegeneinander abgleicht, um eine Tiefenwahrnehmung zu bekommen. Zudem gibt
es Tiefenkameras, die das Bild in drei Dimensionen direkt ausgeben.
-       Inertial- oder Trägheitssensoren: Diese Sensoren messen die
Beschleunigung und Winkelgeschwindigkeit und erfassen damit die Bewegung
von Körpern im Raum.
„Visuelle und inertiale Sensoren ergänzen sich sehr gut“, sagt
Leutenegger. Denn werden deren Daten miteinander fusioniert, entsteht ein
sehr genaues Bild über die Bewegung der Drohne und der statischen
Umgebung. Das Gesamtsystem ist also in der Lage, die eigene Position im
Raum einzuschätzen. Das ist die Voraussetzung etwa für den autarken
Einsatz von Robotern. Dabei kann die statische Umgebung auch sehr
detailliert und dicht kartographiert werden. Das ist eine wichtige
Voraussetzung dafür, Hindernissen auszuweichen. Hier kommen zunächst
mathematische und probabilistische Modelle (aus der
Wahrscheinlichkeitsrechnung) und keine künstliche Intelligenz zum Einsatz.
Deswegen spricht Leutenegger hier von untersten Level von „Spatial AI“ –
einem Thema, das Leutenegger zudem schon vor seiner Zeit an der TUM am
Imperial College in London erforscht hat.

Räumliche KI Schritt 2: Neuronale Netze für das Verstehen der Umgebung
Künstliche Intelligenz in Form von neuronalen Netzwerken spielt eine
wichtige Rolle, um die Umgebung semantisch zu erfassen. Hier geht es dann
um das tiefere Verstehen der Umgebung um den Roboter. Über Deep Learning
lässt sich erfassen und digital auf der Karte darstellen, welche für
Menschen verständliche Kategorien genau auf dem Bild zu sehen sind. Dafür
nutzen neuronale Netze die Bilderkennung von 2-D-Bildern, die dann in
einer 3D-Karte dargestellt wird. Der Aufwand für die Erkennung durch Deep
Learning hängt davon ab, wie viele Details erfasst werden sollen, um eine
Spezialaufgabe erfüllen zu können. Einen Baum von Boden und Himmel zu
unterscheiden ist einfacher, als den Baum oder sogar dessen
Gesundheitszustand exakt zu bestimmen. Für derart spezielle Bilderkennung
fehlen oft die Daten, die die neuronalen Netze zum Lernen benötigen.
Deshalb besteht ein Ziel von Leuteneggers Forschung darin, Methoden des
maschinellen Lernens zu entwickeln, die mit spärlichen Trainingsdaten
effizient umgehen können sowie die Roboter während ihres Einsatzes
kontinuierlich weiterlernen zu lassen. In einer noch weiterführenderen
Form räumlicher KI geht es darum, dass Objekte oder gar Teile eines
Objektes erkannt werden, sogar wenn sie sich bewegen.

Die aktuellen KI-Projekte des MIRMI-Professors: Waldkartierung, Inspektion
von Schiffen, Baurobotik
Die räumliche künstliche Intelligenz kommt bereits in drei
Forschungsprojekten zum Einsatz:
-       Mauern bauen: In der Baurobotik kommt ein mobiler Roboter zum
Einsatz, der mit Greifern (Manipulatoren) ausgestattet ist. Seine Aufgabe
im vom Georg Nemetschek Institut über vier Jahre geförderten Projektes
SPAICR besteht darin, „Strukturen“ wie etwa Mauern auf- und abzubauen. Die
besondere Herausforderung in dem Projekt, in dem Leutenegger mit TUM-
Professorin Kathrin Dörfler (Professur für Digitale Fabrikation)
zusammenarbeitet, wird sein, dass die Arbeit des Roboters ohne so
genanntes Motion Tracking, also ohne externe Infrastruktur, funktionieren
soll. Während in vorhergehenden Forschungen ein klar begrenzter Raum mit
Orientierungspunkten in einem Labor genutzt wurde, soll der Roboter
künftig auf jeder beliebigen Baustelle präzise arbeiten können.
-       Den Wald digitalisieren: Im EU-Projekt Digiforest schaffen die
Universität Bonn, die Universität Oxford, die ETH Zürich, die Norwegian
University of Science and Technology und die TUM eine „Datengrundlage für
eine ökologische Forstwirtschaft“. Dafür soll der Wald kartographiert
werden. Wo steht welcher Baum? In welcher gesundheitlichen Situation
befindet er sich? Gibt es Krankheiten? Wo muss ausgedünnt, wo aufgeforstet
werden? „Die Forschungen sollen dem Förster zusätzliche Informationen zur
Entscheidungsfindung liefern“, erläutert Leutenegger. Aufgabe der TUM: Die
KI-Drohnen von Leutenegger sollen autonom durch den Wald fliegen und ihn
kartieren. Dabei sollen sie trotz Wind und dünner Äste um Bäume herum
navigieren, so dass eine vollständige Karte des Waldstückes entsteht.
-       Schiffe inspizieren: Im EU-Projekt AUTOASSESS geht es darum,
Drohnen in das Innere von Tankern und Frachtern zu schicken, mit der
Aufgabe, die Innenwände zu inspizieren. Dafür werden sie unter anderem mit
Ultraschallsensoren ausgestattet, mit denen sie Risse in Wänden nachweisen
können. Voraussetzung wird sein, dass sich die Drohnen autonom und bei
schlechter Funkverbindung im Innenraum bewegen können. Auch hier ist ein
Motion Tracking nicht möglich.

Spatial AI schafft Basis für Entscheidungen
„Wir arbeiten daran, in ganz verschiedenen Bereichen Menschen eine gute
Datenbasis an die Hand zu geben, um die richtigen Entscheidungen zu
treffen“, sagt Prof. Leutenegger, der betont: „Unsere Roboter sind
komplementär, sie ergänzen den Menschen in seinen Fähigkeiten und nehmen
ihm gefährliche und repetitive Aufgaben ab.“