MIT-Forscher entwickeln Methode für robustere Drohnen

Das Wichtigste in Kürze

Forscher des MIT haben eine Methode entwickelt, um komplexe Systeme wie Drohnen oder Roboter zu entwerfen.
Diese Methode berücksichtigt gezielt Unsicherheiten, da die Leistung einzelner Bauteile in der Realität oft schwankt.
Dadurch können zuverlässigere und robustere Geräte für unvorhersehbare Einsatzbedingungen konstruiert werden.
Das System liefert detaillierte Wahrscheinlichkeiten für verschiedene Ergebnisse, anstatt nur Best- und Schlechtestfall-Szenarien aufzuzeigen.
Es vereinfacht die Zusammenarbeit von Ingenieuren, weil die einzelnen Komponenten modular entworfen werden können.

Die Herausforderung bei der Entwicklung komplexer Systeme

Die Konstruktion eines komplexen elektronischen Geräts, beispielsweise einer Lieferdrohne, ist mit zahlreichen Entscheidungen verbunden. Ingenieure müssen Motoren und Batterien so auswählen, dass die Kosten minimiert werden, während gleichzeitig die Nutzlast oder die Reichweite der Drohne maximiert wird. Diese Aufgabe ist bereits anspruchsvoll, doch sie wird erheblich komplizierter, wenn die genauen Leistungsdaten der einzelnen Bauteile nicht exakt bekannt sind. Zudem wird die reale Leistung dieser Komponenten durch unvorhersehbare Faktoren wie wechselnde Wetterbedingungen auf der Flugroute beeinflusst.

Ein neues Framework zur Berücksichtigung von Unsicherheit

Forscher des MIT haben ein neues Framework entwickelt, das Ingenieuren bei der Konstruktion solcher Systeme hilft, indem es diese Unsicherheiten explizit einbezieht. Es ermöglicht die Modellierung von Leistungs-Kompromissen bei einem Gerät mit vielen vernetzten Teilen, von denen sich jedes unvorhersehbar verhalten könnte. Die Technik erfasst die Wahrscheinlichkeit vieler verschiedener Ergebnisse und gibt Entwicklern damit mehr Informationen an die Hand als bestehende Ansätze. Bisherige Methoden können meist nur Best- und Schlechtestfall-Szenarien abbilden.

Die Grundlage des Systems ist die sogenannte Co-Design-Methode. Hierbei wird ein komplexes Problem in eine Reihe von Bausteinen zerlegt, die jeweils eine Komponente repräsentieren. Diese Bausteine können unterschiedlich kombiniert werden, um Ergebnisse zu maximieren oder Kosten zu senken. Die Forscher integrierten die Unsicherheit in dieses System mithilfe der Kategorientheorie, einem Zweig der Mathematik, der es erlaubt, komplexe Zusammenhänge strukturiert zu behandeln.

Praktische Vorteile am Beispiel einer Drohne

Die Forscher nutzten ihren neuen Ansatz, um Sensorsysteme und Batterien für eine Drohne auszuwählen. Das Ziel war, die Nutzlast zu maximieren und gleichzeitig die Lebenszeitkosten sowie das Gewicht zu minimieren. Obwohl jedes Sensorsystem je nach Wetterlage eine andere Erkennungsgenauigkeit bietet, weiß der Entwickler nicht genau, wie die Leistung schwanken wird. Das neue System erlaubt es, diese Unsicherheiten bei der Betrachtung der Gesamtleistung der Drohne zu berücksichtigen.

Im Gegensatz zu anderen Ansätzen zeigt das Framework klare Vorteile verschiedener Batterietechnologien auf. Die Ergebnisse belegen beispielsweise, dass bei geringeren Nutzlasten Nickel-Metallhydrid-Akkus die niedrigsten erwarteten Lebenszeitkosten verursachen. Eine solche Erkenntnis wäre ohne die Berücksichtigung von Unsicherheiten kaum zu gewinnen. Während eine andere Methode vielleicht nur die besten und schlechtesten Leistungsszenarien von Lithium-Polymer-Akkus zeigen könnte, liefert dieses Framework detailliertere Informationen. Es zeigt zum Beispiel, dass bei einer Nutzlast von 1.750 Gramm eine Wahrscheinlichkeit von 12,8 Prozent besteht, dass das gewählte Batteriedesign nicht realisierbar ist.

Ein weiterer Vorteil liegt in der vereinfachten Zusammenarbeit. Durch den modularen Aufbau können sich Teammitglieder auf die Gestaltung einzelner Komponenten konzentrieren, ohne tiefgreifende Kenntnisse des gesamten mathematischen Modells haben zu müssen.

Unsere Einschätzung

Die vom MIT vorgestellte Methode stellt einen wichtigen Fortschritt für die Entwicklung komplexer technischer Systeme dar. Die Fähigkeit, Unsicherheiten nicht nur zu erkennen, sondern sie quantifizierbar in den Designprozess zu integrieren, ist besonders für sicherheitskritische Anwendungen wie autonome Fahrzeuge oder Verkehrsflugzeuge von großer Bedeutung. Das Framework bietet Ingenieuren ein Werkzeug, um fundiertere Entscheidungen zu treffen, noch bevor teure Prototypen gebaut werden. Es schafft eine formale Grundlage, um die Zuverlässigkeit von Systemen zu erhöhen, die in einer unvorhersehbaren realen Welt agieren müssen. Dieser Ansatz hat das Potenzial, die Entwicklung robusterer und leistungsfähigerer Technologien zu beschleunigen.