Autonomes Fliegen

Die Zukunft der autonomen Luftfahrt gestalten

Die Advanced Air Mobility und das autonome Fliegen werden die Zukunft der Mobilität und Luftfahrt revolutionieren. Die Verlagerung des städtischen Verkehrs in die Luft eröffnet neue Potenziale in Bezug auf den Transport von Gütern sowie eine nachhaltige Fortbewegung.

Während das autonome Fliegen von Verkehrsflugzeugen in Reiseflughöhe auf vorgeplanten Routen ein bereits hinreichend gelöstes Problem ist, ergeben sich im Kontext der Advanced Air Mobility gänzlich neue Herausforderungen. Speziell der Flug im bodennahen Luftraum – also das Starten und Landen sowie der Flug unterhalb von 120 Metern auf nicht vordefinierten Routen – wirft neue Fragestellungen auf, die starke Analogien zum autonomen Fahren aufweisen.

Die Forschungsarbeiten am Fraunhofer IVI konzentrieren sich insbesondere auf die Entwicklung vertrauenswürdiger, KI-basierter Autonomiesysteme. Der Einsatz solcher Systeme, etwa in Form von Pilotassistenzsystemen, verspricht immense Anwendungspotenziale und wird entscheidend für die Verbreitung neuer Anwendungen in der Luftfahrt sein.

Um diesen Herausforderungen zu begegnen, hat die Gruppe »Autonome Luftfahrtsysteme« am Fraunhofer-Anwendungszentrum »Vernetzte Mobilität und Infrastruktur« umfassende Kompetenzen in den Bereichen Künstliche Intelligenz (KI), Drohnentechnologie und Regelungstechnik aufgebaut. Mit unserer bereichsübergreifenden Expertise in der Hard- und Softwareintegration von Drohnen, der Sensorik sowie Embedded-Systemen entwickeln wir eigene Sensorplattformen für die Erhebung neuartiger Datensätze im Bereich des autonomen Fliegens.

Schaubild Autonomes Fliegen
© Fraunhofer IVI
Übersichtsdarstellung zum Framework des autonomen Fliegens.

Kompetenzen

  • Deep Learning
    • Entwicklung, Optimierung und Evaluierung performanter Deep-Learning-Modelle unter Echtzeitanforderungen für den Einsatz in Embedded-Systemen
  • Computer Vision
    • Objekterkennung und semantische Segmentierung in 2D und 3D für Boden- und Luftanwendungen
    • Occupancy Grid Prediction mittels modernster KI-Architekturen
    • monokulare Tiefenschätzung und semantische 3D-Auswertung von (Infrarot-)Kamera-, LiDAR- und RADAR-Daten durch KI-basierte Sensorfusion
  • Einsatz von Transfer Learning und Student-Teacher-Ansätzen für die Arbeit mit kleinen Datensätzen zur Reduzierung der Komplexität der Modelle
  • ganzheitliche Untersuchung von Redundanz, Erklärbarkeit und Zuverlässigkeit gemäß Luftfahrtstandards
  • kontinuierliche Optimierung der Vertrauenswürdigkeit von KI-Systemen durch Forschung in den Bereichen Out-of-Distribution Detection, Uncertainty Estimation und Local Robustness

  • Zuverlässigkeit, Sicherheit und Leistungsgarantie kooperativer Multi-Agenten-Algorithmen
  • semantische Pfad- und Trajektorienplanung mit Single-Shot-Ansätzen
  • Run-Time-Assurance-Algorithmen basierend auf Control Barrier Functions zur Absicherung von Verfahren mit Fokus auf Vermeidung von Kollisionen mit Hindernissen und/oder nicht-kooperativen Agenten

  • Entwurf und Implementierung nichtlinearer Regelungsmethoden wie Gain-Scheduling-Verfahren, nichtlineare dynamische Inversion und modellprädiktive Regelung
  • Entwicklung von dezentralen, kooperativen Bahnplanungsalgorithmen auf Basis modellprädiktiver Strategien
  • Entwicklung von kooperativen Pfadplanungsstrategien basierend auf Token-Passing-Methoden im Kontext der kooperativen Flugbahnplanung

  • Methoden für deterministische und stochastische Systeme, einschließlich Beobachtern, Kalman-Filtern und Partikelfiltern für den Einsatz in Navigationsfiltern zur Eigenlokalisierung und in Trackingfiltern und zur Trajektorienprädiktion dynamischer und ausgedehnter Objekte
  • Untersuchung und Weiterentwicklung von Verfahren zur dezentralen Zustandsschätzung 

Im Fokus

Safe Autonomous Landing in Unknown Terrain: A Vision-Guided and GNSS-Denied Solution.

(Markus Gross, Felix Soest, Philip Hausmann und Henri Meeß, Fraunhofer IVI).

Anwendungsbereiche

Autonomes (Not-)Landen von Drohnen

  • Entwicklung von Funktionen zur autonomen (Not-)Landung in unbekanntem Terrain ohne den Einsatz externer Kommunikation, GNSS oder vorgeplanter Landeplätze.
    • KI-basierte semantische Umfelderfassung
    • mechatronische und softwareseitige Anbindung an bestehende Drohnen

KI-basierte Flug- und Manöverplanung

  • Entwicklung und Implementierung KI-gestützer Algorithmen für die vertrauenswürdige und zuverlässige Lokalisierung, Regelung, Trajektorienplanung sowie Umfelderkennung    
  • Einsatz von Methoden des Reinforcement Learning und der Computer Vision sowie eigener annotierter Datensätze zur Entwicklung hochperformanter Systeme

Weiterbildungs- und Transferangebote

  • kundenspezifische Workshops zu KI-basierten Funktionalitäten und Techniken inkl. der Erarbeitung konkreter Umsetzungsideen 
  • interaktives und modulares Konzept für KMU und Startups aus den Bereichen Mechatronik, Prototyping, Luftfahrt und Verkehr u. a.

Ausgewählte öffentlich geförderte Projekte

Aufbauend auf dem Fraunhofer-Leitprojekt ALBACOPTER® wurde am Fraunhofer IVI eine umfassende Projektlandschaft im Bereich des hochautomatisierten Fliegens etabliert, welche die vertrauenswürdige KI-basierte Umfelderfassung, Sensorik für autonome Drohnen, Pfadplanung und weitere Schlüsseltechnologien umfasst. Die entwickelten Subsysteme, wie die semantische Umfelderfassung, die semantische Pfadplanung und das autonome (Not-)Landen, tragen maßgeblich zur Autonomie von Drohnen bei. Wir arbeiten intensiv an der Koordination mehrerer autonomer Plattformen und entwickeln verteilte Koordinationsalgorithmen und Run-Time-Assurance-Algorithmen für dezentrale Trajektorienplanung.

 

Experimental Vertical Take-Off and Landing Glider

ALBACOPTER®

Mit dem Mission Statement »Leading the world towards safe autonomous flying« hat das Anwendungszentrum des Fraunhofer IVI im Rahmen des Fraunhofer-Leitprojekts ALBACOPTER® seine Initiative zum hochautomatisierten Fliegen gestartet. Das Hauptziel liegt in der Entwicklung einer modularen und universellen Autopiloten-Suite für verschiedene Szenarien im unteren Luftraum. 

UAM – Vertrauenswürdige Umfelderkennung

VERUM

Insbesondere im Bereich der Luftfahrt stellen die Vertrauenswürdigkeit, Zuverlässigkeit und Zertifizierbarkeit von KI-Systemen, speziell zur Umfelderfassung, ein bisher ungelöstes Problem dar. Im Projekt VERUM entsteht eine Referenzarchitektur für die vertrauenswürdige Umfelderfassung im Rahmen der UAM. Das Fraunhofer-Anwendungszentrum »Vernetzte Mobilität und Infrastruktur« entwickelt hierfür KI-Algorithmen zur Auswertung von (IR)Kamera-, LiDAR-, Radar-Daten zur Umfelderfassung und baut einen Referenzdatensatz für das hochautomatisierte Fliegen auf.

Energieeffiziente Flugführung

ENGEL

Bei der Rettung aus der Luft liegen die Einsatzorte häufig in unbekanntem Gelände, in denen Landungen für Hubschrauber nicht gefahrlos sind. 

Ziel des Projekts ENGEL ist es, mit Hilfe von geeigneter Sensorik und Künstlicher Intelligenz die Umgebung des Hubschraubers während des Fluges, des Landeanflugs und der Landung besser erfassen und verstehen, um dadurch eine noch sicherere und schnellere Landung zu ermöglichen.

Nichtkooperative Kollisionsvermeidung für Luftfahrzeuge in bodennahen Szenarien

NiKoLaS

Eine sichere Start- und Landephase ist ein zentraler Bestandteil für zukünftige teil- und vollautomatisierte Luftfahrtzeuge. Im Flug werden dazu häufig zentral verteilte Informationen über andere Verkehrsteilnehmer verarbeitet und ausgetauscht. Am Boden sowie in Bodennähe gibt es jedoch viele passive Objekte und Hindernisse, die nicht Teil der gemeinsamen Informationsbasis sind. In NiKoLaS entstehen Lösungen, um pozentielle Kollisionsobjekte im Umfeld zu detektieren und und so eine teil- bzw. vollautomatische Führung des Luftfahrzeugs in Bodennähe zu ermöglichen.

 

Advanced Air Space Mapping

ADAM

Ob Logistikdrohnen, Lufttaxis oder Rettungs- und Überwachungssysteme – die Anforderungen an die Flugsicherheit sind im Bereich der Urban Air Mobility unabhängig vom Anwendungsfall besonders hoch.

Das Forschungsvorhaben ADAM (»Advanced Air Space Mapping«) will mithilfe neuer Kartierungsmethoden die Umfelderfassung im unteren Luftraum verbessern und so die Sicherheit beim autonomen Fliegen in der Stadt erhöhen. 

MEDIC

Die Verfügbarkeit von Medikamenten in Krankenhäusern sowie der schnelle Transport von Laborproben oder Blutkonserven ist ein Logistikproblem, das mittels Drohnen gelöst werden könnte.

Das Projekt MEDIC zielt darauf ab, ein Betriebs- und Flugführungssystem für eine Single-Rotor-Drohne zu entwickeln, welches eine intelligente Fluglageregelung und eine autonome Landung sowohl auf Drohnenhubs als auch in unbekanntem Terrain ermöglicht.

 

IDEALS

Die Routen zukünftiger Transportnetze führen perspektivisch über Logistikzentren, die mit Vertiports zur Verladung der Luftfracht autonomer Drohnen ausgestattet sind. Dabei verursacht die begrenzte Kapazität der Vertiports einen Engpass in Form von hoher Drohnendichte in deren Luftraum. Als Vorstudie wurde im Forschungsvorhaben IDEALS die kooperative Koordination in intelligenten Netzen multipler, heterogener und autonomer Transportdrohnen für den Start- und Landebetrieb an den Vertiports von Logistikzentren erforscht.

Autonomous and Safe Urban Air Mobility

ASAAM

Das Projekt ASAAM ist eine internationale Kooperation zwischen der NTU in Singapur und den Fraunhofer-Instituten IVI, IEM und IOSB und zielt darauf ab, die Skalierbarkeit und Sicherheit der AAM zu verbessern. Dies umfasst die Entwicklung von automatisierten Flug- und Start-/Landeoperationen, die den voraussichtlichen Sicherheitsanforderungen der EASA entsprechen. Im Fokus stehen redundante End-to-End-Rohdatenfusionen und fortschrittliche Algorithmen für die sichere Trajektorienplanung und ausfallsichere Flugsteuerung. 

Aktuelles

Forschungsflüge im Stadtgebiet Ingolstadt

Weitere Informationen, Termine und Ansprechpartner werden wir an dieser Stelle veröffentlichen. 

Hinweise zum Datenschutz

Sobald die ersten Testflüge terminiert wurden, können Sie hier das Datenschutzkonzept einsehen.

 

28.9.2024

Nachwuchstalente der Urban Air Mobility beim 4. Research Summer Camp

Gemeinsam mit dem Artificial Intelligence Network Ingolstadt (AININ) lud das Anwendungszentrum »Vernetzte Mobilität und Infrastruktur« des Fraunhofer IVI 20 Studentinnen und Studenten aus ganz Deutschland zum Ignaz Kögler Research Summer Camp in Ingolstadt ein. Eine Woche lang beschäftigten sich die Teilnehmerinnen und Teilnehmer intensiv mit dem Thema »Urban Air Mobility und autonomes Fliegen«. Im Fokus standen Themen wie KI-basierter Umfeld- und Situationserfassung, Objekterkennung sowie Trajektorienprädiktion und intelligente Trajektorienplanung.

 

13.6.2024

Netzwerktreffen der UAM-Initiative Ingolstadt

Das Netzwerktreffen der UAM-Initiative Ingolstadt bot faszinierende Einblicke in die neuesten Forschungsthemen der Urban Air Mobility und präsentierte praktische Demonstrationen im Außenbereich. Dabei stand das Fraunhofer-Leitprojekt ALBACOPTER® mit seinen sechs Teilprojekten im Mittelpunkt der Veranstaltung. 

Luft- und Raumfahrtrepublik Deutschland

Die Kampagne des BDLI stellt Branchendaten und Informationen zu Unternehmen und Forschungseinrichtungen bereit und lässt vielfältige lokale Stimmen zu Wort kommen.

Publikationen

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2024 Drones for automated parcel delivery: Use case identification and derivation of technical requirements
Zieher, Simon; Olcay, Ertug; Kefferpütz, Klaus; Salamat, Babak; Olzem, Sebastian; Elsbacher, Gerhard; Meeß, Henri
Zeitschriftenaufsatz
Journal Article
2024 Collaborative Semantic Occupancy Prediction with Hybrid Feature Fusion in Connected Automated Vehicles
Song, Rui; Liang, Chenwei; Cao, Hu; Yan, Zhiran; Zimmer, Walter; Gross, Markus; Festag, Andreas; Knoll, Alois
Konferenzbeitrag
Conference Paper
2024 Evolutionary algorithms for a simheuristic optimization of the product-service system design
Meeß, Henri; Herzog, Michael; Alp, Enes; Kuhlenkötter, Bernd
Zeitschriftenaufsatz
Journal Article
2024 Dynamic Obstacle Avoidance for UAVs using MPC and GP-Based Motion Forecast
Olcay, Ertug; Meeß, Henri; Elger, Gordon
Konferenzbeitrag
Conference Paper
2024 Wettbewerbsfaktor Luft- und Raumfahrt - zukunftsfähig mit Fraunhofer
Battenberg, Andreas; Ben Bekhti-Winkel, Nadya; Griesbach, Elke; Kothe, Simon Markus; Lauster, Michael; Lindow, Kai; Loosen, Thomas; Meeß, Henri; Pauly, Gerhard; Schäfer, Frank; Dietzsch, Josephine; Strohbach, Tim; Wansch, Rainer
Paper
2024 First steps towards real-world traffic signal control optimisation by reinforcement learning
Meeß, Henri; Gerner, Jeremias; Hein, Daniel; Schmidtner, Stefanie; Elger, Gordon; Bogenberger, Klaus
Zeitschriftenaufsatz
Journal Article
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica