Menselijke piloten verslagen

Voor het eerst heeft een drone menselijke piloten verslagen in een internationale drone-racecompetitie, wat een nieuwe mijlpaal betekent in de ontwikkeling van kunstmatige intelligentie. Op zaterdag 14 april 2025 vonden twee drone-race-evenementen gelijktijdig plaats: de Falcon Cup Finals voor menselijke piloten en het A2RL Drone Championship voor AI-aangedreven, autonome drones. Als climax namen de beste AI-drones het ook op tegen de beste menselijke piloten. De AI-drone ontwikkeld door de TU Delft won eerst de A2RL Grand Challenge. Vervolgens won het het knock-outtoernooi tegen menselijke piloten, waarbij drie voormalige DCL-wereldkampioenen werden verslagen en vliegsnelheden tot 95,8 km/u werden bereikt op het zeer bochtige parcours.

Het team van wetenschappers en studenten van de TU Delft bereikte dit door een zeer efficiënt en robuust AI-systeem te ontwikkelen, dat in staat is tot split-second, hoogpresterende controle. Terwijl eerdere doorbraken, zoals AI die wereldkampioenen verslaat in schaken of Go, plaatsvonden in virtuele omgevingen, vond deze prestatie plaats in de echte wereld. Twee jaar geleden was de Robotics and Perception Group van de Universiteit van Zürich de eerste die menselijke drone-racekampioenen versloeg met een autonome drone. Die indrukwekkende prestatie vond echter plaats in een vlieg-laboratoriumomgeving, waar de omstandigheden, hardware en het parcours nog steeds werden gecontroleerd door de onderzoekers, een heel andere situatie dan dit wereldkampioenschap, waar de hardware en het parcours volledig waren ontworpen en beheerd door de wedstrijdorganisatoren.

Grenzen verleggen van fysieke AI

Het doel van het A2RL Drone Championship 2025 in Abu Dhabi was om de grenzen van fysieke AI te verleggen door onderzoek naar robot-AI onder extreme tijdsdruk en met zeer beperkte computationele en sensorische middelen te stimuleren. De drone had slechts toegang tot één naar voren gerichte camera, een groot verschil met eerdere autonome drone-races. Dit lijkt meer op hoe menselijke FPV-piloten vliegen en leidt tot extra waarnemingsuitdagingen voor de AI.

Indoor testcentrum

De drone van het MAVLab is ontwikkeld en getest op het voormalig marinevliegkamp in Katwijk, waar Unmanned Valley beschikt over het enige indoor drone testcentrum van deze schaal in Nederland. In een voormalige vliegtuighangaar kunnen drones in realistische, gecontroleerde omstandigheden worden getest op snelheid, wendbaarheid en autonome beslissingen, zonder de restricties van buitenluchtvluchten. Juist voor de ontwikkeling van snelle, volledig autonome drones is zo’n omgeving cruciaal: buiten testen is wettelijk niet toegestaan bij dit soort snelheden en autonomie. Het indoor testcentrum biedt onderzoekers en bedrijven daarmee een unieke proeftuin om grensverleggende technologieën veilig en nauwkeurig door te ontwikkelen.

AI die direct de motoren aanstuurt

Een van de kernnieuwe elementen van de AI van de drone is het gebruik van een diep neuraal netwerk dat geen controlecommando’s naar een traditionele menselijke controller stuurt, maar direct naar de motoren. Deze netwerken zijn oorspronkelijk ontwikkeld door het Advanced Concepts Team van de Europese Ruimtevaartorganisatie (ESA) onder de naam “Guidance and Control Nets”. Traditionele, door mensen ontworpen algoritmen voor optimale controle waren computationeel zo duur dat ze nooit zouden kunnen draaien op systemen met beperkte middelen zoals drones of satellieten. ESA ontdekte dat diepe neurale netwerken in staat waren de uitkomsten van traditionele algoritmen na te bootsen, terwijl ze orders van grootte minder verwerkingstijd vereisten. Omdat het moeilijk was om te testen of de netwerken goed zouden presteren op echte hardware in de ruimte, werd een samenwerking aangegaan met het MAVLab van de TU Delft.

“We trainen de diepe neurale netwerken nu met reinforcement learning, een vorm van leren door trial-and-error”, zegt Christophe De Wagter. “Hierdoor kan de drone dichter bij de fysieke limieten van het systeem komen. Om daar te komen, moesten we echter niet alleen de trainingsprocedure voor de controle herontwerpen, maar ook hoe we kunnen leren over de dynamiek van de drone op basis van zijn eigen onboard sensorische gegevens.”

Robottoepassingen optimaliseren

De zeer efficiënte AI die is ontwikkeld voor robuuste waarneming en optimale controle is niet alleen van vitaal belang voor autonome race-drones, maar zal ook worden uitgebreid naar andere robots. Christophe De Wagter: “Robot-AI wordt beperkt door de vereiste computationele en energiebronnen. Autonome drone-racen is een ideale testomgeving voor het ontwikkelen en demonstreren van zeer efficiënte, robuuste AI. Sneller vliegende drones zullen belangrijk zijn voor veel economische en maatschappelijke toepassingen, variërend van het op tijd leveren van bloedmonsters en defibrillatoren tot het vinden van mensen in natuurrampscenario’s. Bovendien kunnen we de ontwikkelde methoden gebruiken om niet te streven naar optimale tijd, maar naar andere criteria, zoals optimale energie of veiligheid. Dit zal impact hebben op veel andere toepassingen, van stofzuigrobots tot zelfrijdende auto’s.”

Het TU Delft-team bestond uit: Anton Lang, Quentin Missine, Aderik Verraest, Erin Lucassen, Till Blaha, Robin Ferede, Stavrow Bahnam, Christophe De Wagter en Guido de Croon.