Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

MIT-Planer SANDO garantiert kollisionsfreien Drohnenflug zwischen bewegten Hindernissen

8. Oktober 2026, 06:01Quelle: MIT Schwarzman College of Computing

Forscher des MIT haben mit SANDO einen Bahnplaner entwickelt, der Flugrouten für unbemannte Fluggeräte (UAVs) plant und nach Angaben des Teams mathematisch beweisbar Kollisionen mit unbekannten, beweglichen Hindernissen in unkartierten Umgebungen vermeidet. Der Planer muss demnach lediglich die Höchstgeschwindigkeit kennen, die die Hindernisse erreichen können.

Das Wichtigste in Kürze
  • MIT-Forscher haben mit SANDO einen UAV-Bahnplaner entwickelt, der in unbekannten, dynamischen Umgebungen mathematisch garantiert Kollisionen vermeidet.
  • Der Planer muss nur die Höchstgeschwindigkeit kennen, die Hindernisse erreichen können, und braucht keine Karte.
  • In Simulationen erreichte er Ziele schneller als mehrere moderne Systeme und ohne Kollisionen, in 12 Testflügen mit einer echten UAV wich er allen Hindernissen aus.
  • Die Forschung erscheint in den IEEE Transactions on Robotics und wird teilweise von der Defense Science and Technology Agency of Singapore finanziert.

Sicherheitsgarantie, wo bisherige Planer an Grenzen stoßen

Bahnplaner nutzen Bilder und Daten der Bordkameras und Sensoren einer Drohne, um einen Weg zum Ziel des Fluggeräts festzulegen. Laut dem MIT-Team sind die meisten bestehenden Planer entweder für unbekannte statische Umgebungen ausgelegt, in denen sich Hindernisse nicht bewegen, oder sie weichen dynamischen Hindernissen nur ungefähr aus, ohne formale Garantie, dass der Roboter nicht abstürzt.

SANDO steht für „Safe AutoNomous trajectory planning for Dynamic unknOwn environments“. Die Forscher erklären, der Planer biete eine formale Sicherheitsgarantie in dem, was Hauptautor Kota Kondo „die schwierigstmögliche Umgebung“ nannte, „in der die UAV keine Karte des Gebiets hat und sich unbekannte Hindernisse bewegen“. Kondo hat kürzlich am MIT in Luft- und Raumfahrttechnik promoviert.

Solche Garantien sind in kritischen Situationen wichtig, etwa wenn eine Drohne medizinische Hilfsgüter in ein abgelegenes Katastrophengebiet bringt. Die Forscher weisen jedoch darauf hin, dass die Berechnung jeder möglichen Kollision in einer dynamischen Umgebung für den praktischen Einsatz zu lange dauern würde.

So baut SANDO einen zeitabhängigen Sicherheitskorridor

Der Planer erstellt zunächst einen Sicherheitskorridor durch die Umgebung. Dieser Korridor besteht aus einer Reihe verbundener Bereiche im dreidimensionalen Raum, die der Roboter durchfliegen kann und die garantiert frei von Hindernissen sind. Anders als andere Systeme berücksichtigt SANDO dabei die möglichen künftigen Bewegungen dynamischer Hindernisse.

Ein eigenes Modul erkennt, gruppiert und verfolgt die beweglichen Hindernisse. Das System weiß nicht genau, wohin sich ein Hindernis bewegt, nutzt aber dessen Höchstgeschwindigkeit, um zu berechnen, wie weit es in einer bestimmten Zeitspanne kommen könnte. Um das Hindernis legt es eine Kugel, die die weiteste in alle Richtungen erreichbare Entfernung abdeckt, und baut den Korridor um diese Kugeln herum auf.

Ein Planer auf Basis einer Heatmap erkennt zudem „heiße“ Bereiche mit vielen Hindernissen und lenkt die Drohne von ihnen weg. So findet der Roboter effizientere Routen um Gefahrenzonen herum.

Sobald ein kollisionsfreier Korridor existiert, optimiert SANDO die Flugbahn darin, um den schnellsten Weg zum Ziel zu finden. Während sich der Roboter bewegt, passt das System den Korridor an und formuliert die Flugbahn neu, damit der Weg bis zum Erreichen des Ziels kollisionsfrei bleibt. Die Forscher setzten mehrere Kniffe ein, um die Optimierung leichter lösbar zu machen. Dadurch kann die UAV Flugbahnen auf ihrem Bordrechner schnell neu berechnen und auf plötzliche Veränderungen reagieren.

Testergebnisse und Ausblick

In Simulationen erreichte SANDO das Ziel des Roboters schneller als mehrere moderne Vergleichssysteme und vermied dabei in allen Umgebungen sämtliche Kollisionen. Auch in 12 Testflügen mit einer echten UAV wich das System allen dynamischen Hindernissen aus und plante mit dem Bordrechner und den Sensoren des Roboters schnell sichere Flugbahnen neu.

Kondo sagte, der schwierigste Teil des Projekts sei die Mathematik gewesen. „Wenn man Sicherheit garantieren will, muss man rigoros sein und sicherstellen, dass die Theorie jeden möglichen Fall abdeckt, auch Randfälle“, sagte er. Sobald die Garantie stand, fügte er hinzu, sei es „sehr einfach gewesen, die UAVs zu fliegen“.

Fei Gao, außerordentlicher Professor an der Zhejiang University in China, der nicht an der Forschung beteiligt war, sagte, die Kombination aus raumzeitlicher Planung, formaler Sicherheitsanalyse und Hardwarevalidierung „bietet einen praktikablen Ansatz für autonomes Fliegen in komplexen dynamischen Umgebungen“.

Die Studie erscheint in den IEEE Transactions on Robotics. Neben Kondo sind Jesús Tordesillas von der Päpstlichen Universität Comillas in Madrid, die MIT-Doktoranden Juan Rached, Lili Sun und Yixuan Jia sowie Seniorautor Jonathan P. How vom MIT beteiligt. Die Arbeit wird teilweise von der Defense Science and Technology Agency of Singapore finanziert.

Mögliche Einsatzgebiete

Die Forscher nennen Such- und Rettungseinsätze in eingestürzten Gebäuden, die Erkundung von Bergwerken mit verborgenen Stollennetzen und die Paketzustellung in einem belebten Wohnviertel. Sie beschreiben außerdem ein Szenario, in dem eine UAV in ein Waldbrandgebiet fliegt, um Informationen für Einsatzkräfte zu sammeln, und dabei Stichflammen und herabfallenden Ästen ausweicht.

Für künftige Arbeiten schlägt das Team vor, SANDO rechnerisch effizienter zu machen und mit Modellen des maschinellen Lernens zu kombinieren, sodass Nutzer einem Roboter Anweisungen in natürlicher Sprache geben können.

Ähnliche Meldungen

MITs FLEX hilft Robotern, mehr als menschliche Befehle zu verstehen
Forschung9. November 2026, 06:00

MITs FLEX hilft Robotern, mehr als menschliche Befehle zu verstehen

Forschende des MIT und der New York University haben FLEX entwickelt, eine KI-gestützte Lernplattform, die Robotern hilft, aus Gesprächsbefehlen weitergehende…

MIT-System hilft Robotern, falsche Objektbeschreibungen im Gedächtnis zu finden und zu korrigieren
Forschung5. November 2026, 06:00

MIT-System hilft Robotern, falsche Objektbeschreibungen im Gedächtnis zu finden und zu korrigieren

Forschende des MIT haben mit UQ-DAAAM ein Gedächtnissystem entwickelt, das unzuverlässige Objektbeschreibungen eines Roboters erkennt und noch während der Fahrt…

MIT startet Dashboard zur Analyse, wie KI-Chatbots Fragen zu den Midterm-Wahlen beantworten
Forschung30. Oktober 2026, 20:00

MIT startet Dashboard zur Analyse, wie KI-Chatbots Fragen zu den Midterm-Wahlen beantworten

Forscher des MIT haben das LLM Election Observatory entwickelt, ein öffentliches Dashboard, das in Echtzeit untersucht, wie gängige KI-Chatbots auf Fragen zu den…