Die TU Darmstadt hat gemeinsam mit Partnern ein Verfahren zur energiebewussten Einsatzplanung von Lieferdrohnen entwickelt und in einer Studie vorgestellt. Mit diesem Verfahren kann jede Drohne lernen, welche Aufträge sie erfüllen kann, auch wenn sie den Alterungszustand ihrer eigenen Batterie nicht kennt.
Es habe sich gezeigt, dass auf diese Weise Lieferzeiten verkürzt und die Zahl der bearbeiteten Aufträge im Vergleich zu herkömmlichen Ansätzen erhöht werden kann, wie die Uni weiter mitteilt.
Forschende der TU Darmstadt, der University of Sheffield, zusammen mit dem französischen Nationalen Forschungsinstitut für Informatik und Automatisierung (INRIA) sowie dem Industriepartner Ingeniarius haben die Methode in einem eigens entwickelten Multi-Agenten-Simulator über einen Zeitraum von acht Wochen getestet.
Demnach erreichte das lernbasierte Verfahren gegenüber klassischen Schwellenwert-Strategien eine deutlich höhere Zustellrate bei gleichzeitig kürzeren Lieferzeiten. In einer erweiterten Variante konnten Drohnen sogar Aufgaben annehmen, die sie erst nach hinreichender Aufladung ausführen können. „Diese Arbeit zeigt, wie Online-Lernen Robotern dabei helfen kann, reale Herausforderungen zu bewältigen, etwa den Betrieb ohne vollständige Kenntnis ihrer wahren Fähigkeiten“, erklärt Dr. Mohamed Talamali von der University of Sheffield.
In einem Fulfillment-Center teilen sich die Lieferdrohnen die Aufgaben über ein auktionsbasiertes System untereinander auf. Jede Drohne berücksichtigt ihren aktuellen Batteriestand und bewertet, ob sie die Aufgabe erfüllen kann. Ist dies der Fall, gibt sie ein Gebot ab, das ihre Zuversicht widerspiegelt. Die Drohne, die den Zuschlag erhält, versucht die Aufgabe zu erfüllen und nutzt das Ergebnis, um ihr Verständnis ihrer wahren Fähigkeiten zu verfeinern, die von unbekannten Faktoren wie dem Alterungszustand ihrer Batterie beeinflusst werden.
Mit dem Ansatz lassen sich auch heterogene Flotten effizient betreiben, bei denen sich die Drohnen beispielsweise aufgrund von Fertigungstoleranzen oder individuellem Verschleiß unterscheiden, so die Forschenden. „Solch eigenständige Lieferdrohnen könnten auch über mehrere Fulfillment-Zentren hinweg operieren und so Lieferzeiten und -kosten weiter senken“, so Professor Roderich Groß vom Fachbereich Informatik der TU Darmstadt.
