TU Delft AI-drone wint van menselijke bestuurders op WK-drone racen

Een team wetenschappers en studenten van de TU Delft is wereldkampioen geworden op de A2RL Drone Championship in Abu Dhabi - een internationale race die de grenzen van fysieke kunstmatige intelligentie opzoekt. Teams werden uitgedaagd om volledig autonoom te vliegen met drones die slechts één camera gebruiken. Dat meldt de TU Delft.

De drone van de TU Delft nam het op tegen 13 autonome drones en zelfs menselijke drone-racekampioenen, waarbij innovatieve methoden werden gebruikt om neurale netwerken te trainen voor snelle, optimale dronebesturing. De opgedane kennis over efficiënte en robuuste AI zal bijdragen aan vele robotica-toepassingen, van drones tot zelfrijdende auto's en mensachtige robots. Menselijke piloten verslaan

Voor het eerst heeft een drone menselijke piloten verslagen in een internationale drone-racewedstrijd – een nieuwe mijlpaal in de ontwikkeling van AI. Op zaterdag 14 april 2025 vonden twee drone-racewedstrijden gelijktijdig plaats: de Falcon Cup Finals voor menselijke piloten en het A2RL Drone Championship voor autonome drones op basis van AI.

Als hoogtepunt namen de beste AI-drones het ook op tegen de beste menselijke piloten. De AI-drone ontwikkeld door de TU Delft won eerst de A2RL Grand Challenge. Vervolgens won hij ook het knockout-toernooi tegen menselijke piloten, waarbij drie voormalige DCL-wereldkampioenen werden verslagen en snelheden tot 95,8 km/u werden bereikt op het zeer bochtige parcours.

Het team van wetenschappers en studenten van de TU Delft bereikte deze prestatie door een efficiënt en robuust AI-systeem te ontwikkelen, dat in staat is tot razendsnelle en nauwkeurige besturing. Waar eerdere doorbraken, zoals de wereldkampioenen schaken of Go die werden verslagen door AI, zich afspeelden in virtuele omgevingen, vond dit succes plaats in de echte wereld.

Twee jaar geleden was de Robotics and Perception Group van de Universiteit van Zürich de eerste die menselijke drone-racekampioenen wist te verslaan met een autonome drone. Die prestatie vond echter plaats in een gecontroleerde labomgeving, waarin de omstandigheden, de hardware en het parcours nog volledig werden bepaald door de onderzoekers – een heel andere situatie dan bij dit wereldkampioenschap, waar de hardware en het parcours volledig werden ontworpen en beheerd door de organisatie.

Het doel van het 2025 A2RL Drone Championship in Abu Dhabi was om de grenzen van fysieke AI te verleggen door onderzoek naar robotische AI te stimuleren onder extreme tijdsdruk en met zeer beperkte computationele en sensorische middelen.

De drone had toegang tot slechts één vooruitkijkende camera, een groot verschil met eerdere autonome drone races. Dit lijkt meer op hoe menselijke FPV-piloten vliegen en leidt tot extra perceptie-uitdagingen voor de AI.

De AI voor de race is ontwikkeld door een team van wetenschappers en studenten van het MAVLab van de faculteit Luchtvaart- en Ruimtevaarttechniek. Teamleider Christophe De Wagter is zowel uitgeput als opgetogen.

Een van de belangrijkste nieuwe elementen van de AI van de drone is het gebruik van een diep neuraal netwerk dat geen besturingscommando's naar een traditionele menselijke controller stuurt, maar rechtstreeks naar de motoren. Deze netwerken zijn oorspronkelijk ontwikkeld door het Advanced Concepts Team van de European Space Agency (ESA) onder de naam “Guidance and Control Nets”.

Traditionele, door mensen ontworpen algoritmen voor optimale besturing waren rekenkundig zo duur dat ze nooit zouden kunnen werken aan boord van systemen met beperkte middelen, zoals drones of satellieten. ESA ontdekte dat diepe neurale netwerken de resultaten van traditionele algoritmen konden nabootsen, terwijl ze ordes van grootte minder verwerkingstijd nodig hadden. Omdat het moeilijk was om te testen of de netwerken goed zouden presteren op echte hardware in de ruimte, werd een samenwerking aangegaan met het MAVLab van de TU Delft.

“We trainen de diepe neurale netwerken nu met reinforcement learning, een vorm van leren door vallen en opstaan. ”, zegt Christophe De Wagter. “Hierdoor kan de drone de fysieke grenzen van het systeem beter benaderen. Om daar te komen, moesten we echter niet alleen de trainingsprocedure voor de besturing opnieuw ontwerpen, maar ook hoe we kunnen leren over de dynamica van de drone met behulp van zijn eigen sensorwaarnemingen.”

De zeer efficiënte AI die is ontwikkeld voor robuuste waarneming en optimale besturing is niet alleen van vitaal belang voor autonome racedrones, maar zal zich ook uitbreiden naar andere robots.

Christophe De Wagter licht toe: “AI voor robots wordt beperkt door de benodigde reken- en energiebronnen. Autonoom racen met drones is een ideale testcase voor het ontwikkelen en demonstreren van zeer efficiënte, robuuste AI. Sneller vliegen met drones zal belangrijk zijn voor veel economische en maatschappelijke toepassingen, variërend van het op tijd leveren van bloedmonsters en defibrillators tot het vinden van mensen bij natuurrampen. Bovendien kunnen we de ontwikkelde methoden gebruiken om niet naar optimale tijd te streven, maar naar andere criteria zoals optimale energie of veiligheid. Dit zal een impact hebben op vele andere toepassingen, van robotstofzuigers tot zelfrijdende auto's”.