Lieferdrohnen planen Aufträge selbstständig
Forschende von TU Darmstadt und Kooperationspartnern stellen Studie vor
20.05.2025
Autonome Lieferdrohnen könnten künftig selbstständig abschätzen, ob ihre verbleibende Akkuladung für bevorstehende Lieferungen ausreicht. Ein Team von Forschenden der TU Darmstadt und der University of Sheffield hat dafür in Zusammenarbeit mit dem französischen Nationalen Forschungsinstitut für Informatik und Automatisierung (INRIA) sowie dem Industriepartner Ingeniarius Ltd ein neues Verfahren zur energiebewussten Einsatzplanung entwickelt. Mit diesem kann jede Drohne lernen, welche Aufträge sie erfüllen kann, auch wenn sie den Alterungszustand ihrer eigenen Batterie nicht kennt. Es hat sich gezeigt, dass dadurch die Lieferzeiten verkürzt und die Zahl der bearbeiteten Aufträge im Vergleich zu herkömmlichen Ansätzen erhöht werden kann.
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. Überraschenderweise erwies es sich als besonders effektiv, den Bieter mit der geringsten Zuversicht als Gewinner der Auktion auszuwählen. Dieser Ansatz ermöglichte es den Drohnen, genauer zu lernen, wo ihre Leistungsgrenzen liegen, und fördert eine intelligentere Nutzung der Ressourcen durch den Einsatz von Drohnen, deren Fähigkeiten gut auf die jeweilige Aufgabe abgestimmt sind.
Video zur Studie
Studie ist Finalist für den Best Paper Award
Die Forschenden um Professor Roderich Groß vom Fachbereich Informatik der TU Darmstadt testeten ihre Methode in einem eigens entwickelten Multi-Agenten-Simulator über einen Zeitraum von acht Wochen. Dabei zeigte sich: Das lernbasierte Verfahren erzielte 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 – was eine vorausschauende Zuweisung von Ressourcen ermöglicht. „Diese Arbeit zeigt, wie Online-Lernen Robotern dabei helfen kann, reale Herausforderungen zu bewältigen, etwa den Betrieb ohne vollständige Kenntnis ihrer wahren Fähigkeiten“, erklärte Dr. Mohamed Talamali von der University of Sheffield.
Mit dem Ansatz lassen sich auch heterogene Flotten effizient betreiben, bei denen sich die Drohnen beispielsweise aufgrund von Fertigungstoleranzen oder individuellem Verschleiß unterscheiden. Damit wird der Weg frei für autonom agierende Liefersysteme mit höherer Ausfallsicherheit und optimierter Energieverwendung. „Solch eigenständige Lieferdrohnen könnten auch über mehrere Fulfillment-Zentren hinweg operieren und so Lieferzeiten und -kosten weiter senken“, betonte Professor Groß.
Die Studie „Ready, Bid, Go! On-Demand Delivery Using Fleets of Drones with Unknown, Heterogeneous Energy Storage Constraints” wird am 21. Mai auf der “24th International Conference on Autonomous Agents and Multiagent Systems” in Detroit, USA, vorgestellt und wurde unter mehr als 1.000 eingereichten Beiträgen als ein Finalist für den Best Paper Award ausgewählt. Sie wurde vom Horizon Europe Projekt OpenSwarm gefördert.
Die Studie
Mohamed S. Talamali, Genki Miyauchi, Thomas Watteyne, Micael S. Couceiro, Roderich Gross: „Ready, Bid, Go! On-Demand Delivery Using Fleets of Drones with Unknown, Heterogeneous Energy Storage Constraints“
bjb
