Während der Pandemie gab es viele negative Nachrichten, und man konnte nicht hinausgehen, um zu fotografieren, also wurde der Blog natürlich nicht aktualisiert. Aber es gibt auch positive Nachrichten, wie etwa das ATTOL-Projekt (Autonomous Taxi, Take-Off and Landing) von Airbus: Airbus concludes ATTOL with fully autonomous flight tests.

Auch die chinesischen Medien haben vielfach darüber berichtet; im Folgenden werden einige Auszüge wiedergegeben.

China Aviation News Airbus schließt Projekt für autonomes Rollen, Starten und Landen mit Flugtests ab,

Am 30. Juni 2020 hat Airbus nach zweijährigem umfassenden Flugtestprogramm sein Projekt Autonomous Taxi, Take-Off and Landing (ATTOL) erfolgreich abgeschlossen.

Zum Abschluss dieses Projekts setzte Airbus bildbasierte Erkennungstechnologien an Bord ein, um durch vollständig automatische, auf visueller Wahrnehmung basierende Flugtests das autonome Rollen, Starten und Landen eines Verkehrsflugzeugs zu realisieren – ein Weltweit erstmaliges Projekt in der Zivilluftfahrt.

Insgesamt umfasste das Projekt über 500 Testflüge; davon dienten etwa 450 Flüge speziell dem Sammeln von Rohvideodaten zur Unterstützung und Feinabstimmung der Algorithmen, während sechs weitere Testreihen (jeweils mit fünf Starts und Landungen) zur Erprobung der autonomen Flugfähigkeiten genutzt wurden.

Das ATTOL-Projekt wurde von Airbus initiiert, um autonome Technologien zu erkunden, darunter den Einsatz von Machine-Learning-Algorithmen sowie automatisierten Werkzeugen für Datenlabeling, -verarbeitung und -modellierung. Ziel ist es, Piloten zu unterstützen, sich stärker auf strategische Entscheidungen und Missionsmanagement zu konzentrieren und weniger auf die unmittelbare Flugzeugsteuerung. Airbus kann nun das Potenzial dieser Technologien für die Zukunft des Flugbetriebs analysieren und dabei die Flugsicherheit weiter erhöhen sowie das aktuelle, beispielweise hohe Sicherheitsniveau halten.

2020-07-06 10:48 International Aviation WeChat-Offizieller Account International Aviation „Sehen“: Airbus entwickelt ein auf maschineller Sicht basierendes System für automatisches Starten und Landen

Bei ATTOL werden GPS und bilderkennungstechnologien kombiniert, um die relative Position des Flugzeugs zu bestimmen und das Flugzeug zu führen. Der Kern des ATTOL-Systems sind Kameras, Bildverarbeitungsalgorithmen und Flugsteuergesetze (Control Laws); das Bilderkennungssystem kann verschiedene Markierungen auf dem Runway erkennen und daraus die Position der Mittellinie des Runways ableiten.

Die Software des ATTOL-Systems wird durch Machine-Learning-Technologien zunehmend zuverlässiger, ist aber noch nicht zertifiziert. Experten gehen davon aus, dass in zukünftigen Cockpits diese neuen Technologien parallel zu herkömmlichen Navigationsverfahren laufen werden; ihre Ergebnisse müssen miteinander korreliert werden. Auf der aktuellen Phase steht das ATTOL-Projekt noch vor zahlreichen Herausforderungen – etwa wie gut Bilderkennungssysteme bei geringer Sichtweite arbeiten können, ob Flughäfen ihre Rand- und Markierungslinien deutlicher zeichnen müssen und wie im Falle einer Erkennungsfehlklassifikation zu verfahren ist.

Aviation Industry Information Network Airbus schließt autonome Flugtests im ATTOL-Projekt ab

Ziel des ATTOL-Projekts ist die Erforschung autonomer Technologien (einschließlich des Einsatzes von Machine-Learning-Algorithmen sowie automatisierten Tools für Datenlabeling, -verarbeitung und Modellgenerierung), um Piloten zu ermöglichen, sich stärker auf strategische Entscheidungen und Missionsmanagement während des Flugs zu konzentrieren und weniger auf die Steuerung der Flugzeugplattform. Das Projekt zielt darauf ab, die Betriebssicherheit bestehender Verkehrsflugzeuge zu erhöhen, lässt sich aber auch auf neue, elektrische senkrechtstartende und -landende städtische Lufttaxi-Flugzeuge (eVTOL) übertragen.

Der Leiter des ATTOL-Projekts, Sebastien Giuliano, betont, dass viele Flugzeuge bereits automatisch landen können, jedoch abhängig von externer Infrastruktur wie ILS oder GPS-Signalen. Das Ziel von ATTOL ist es, dies ausschließlich mittels bordautonomer Technologie zu erreichen, um die Effizienz zu maximieren und die Infrastrukturkosten zu senken.

Das Wayfinder-Team von Acubed entwickelte auf Computer Vision und Machine Learning basierende Software, die es Flugzeugen ermöglicht, die Umgebung zu erfassen und die bestmögliche Navigation darin zu berechnen. Dies wird durch die kombinierte Nutzung von Sensoren (inklusive Kameras, Radar, Lidar auf Laserbasis und leistungsstarker Bordcomputer) realisiert. Arne Stoschek, Leiter des Wayfinder-Projekts, sieht die zentrale Herausforderung für autonome Steuerfunktionen darin, wie ein System mit unerwarteten Ereignissen umgeht. Dies ist der große Sprung von Automation hin zu Autonomie.