menu
close

Fuglelignende AI-droner navigerer med 72 km/t uden GPS

Forskere ved Hongkongs Universitet har udviklet banebrydende droneteknologi, der muliggør autonom navigation gennem komplekse miljøer med hastigheder op til 72 km/t, inspireret af fugles naturlige smidighed. SUPER-systemet, præsenteret den 7. juni 2025, anvender avancerede 3D LIDAR-sensorer og dobbelt-ruteplanlægning til at navigere uden forudindlæste kort eller GPS. Samtidig lover energieffektive gennembrud inden for neuromorf databehandling at forlænge AI-droners flyvetid fra minutter til næsten en time.
Fuglelignende AI-droner navigerer med 72 km/t uden GPS

Et revolutionerende gennembrud inden for droneteknologi er ved at ændre måden, ubemandede luftfartøjer navigerer i ukendte omgivelser. Professor Fu Zhang og hans team ved Hongkongs Universitet har udviklet et system, der gør det muligt for droner at flyve med fuglelignende smidighed gennem komplekse områder med bemærkelsesværdige hastigheder – uden at være afhængige af GPS eller forudindlæste kort.

Teknologien, kaldet SUPER (Safety-assured high-speed navigation for MAVs), blev præsenteret den 7. juni 2025 og markerer et markant fremskridt inden for autonom flyvning. Systemet benytter en letvægts 3D LIDAR-sensor, der kan opdage forhindringer op til 70 meter væk med stor præcision. Det, der gør SUPER særligt innovativt, er det avancerede planlægningssystem, som samtidig genererer to flyveruter – én, der optimerer for hastighed ved at udforske ukendte områder, og én, der prioriterer sikkerhed ved at holde sig inden for kendte, forhindringsfri zoner.

"Forestil dig en 'robotfugl', der lynhurtigt manøvrerer gennem skoven og ubesværet undviger grene og forhindringer med høj hastighed," forklarer professor Zhang. "Det er som at give dronen fuglens reflekser, så den kan undvige forhindringer i realtid, mens den suser mod sit mål." I test har systemet vist evnen til at navigere med hastigheder over 72 km/t (20 meter i sekundet), selv gennem tætte skovområder.

Samtidig arbejder forskere ved Texas A&M University på at løse en anden central udfordring for små droner: energieffektivitet. Dr. Suin Yis team udvikler neuromorfe databehandlingssystemer, der efterligner den menneskelige hjernes måde at bearbejde information på. Deres metode benytter ledende polymerfilm som kunstige neuroner, der kun aktiveres, når det er nødvendigt, hvilket reducerer strømforbruget markant.

"Små droner har ikke en motor, så deres energibudget er meget begrænset," påpeger Dr. Yi. "Når man tilføjer AI til batteridrevne droner, kan flyvetiden falde fra 46 minutter til blot fire minutter." Den neuromorfe databehandlingsløsning kan gøre det muligt for droner at opretholde fuld flyvetid, samtidig med at de udfører komplekse AI-opgaver som objekgenkendelse og autonom navigation.

Anvendelsesmulighederne for disse teknologier spænder bredt – fra eftersøgnings- og redningsoperationer, skovovervågning og inspektion af elledninger til autonome leverancer. I katastrofesituationer vil droner udstyret med SUPER-teknologi kunne navigere gennem sammenstyrtede bygninger eller tætte skove døgnet rundt, finde overlevende eller levere kritiske forsyninger til afsidesliggende områder med hidtil uset hastighed og pålidelighed.

Source:

Latest News