KI-Modell erkennt UAVs zuverlässig mit physikbasiertem Residual-Netzwerk

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz präsentiert ein innovatives Verfahren zur Identifikation von unbemannten Luftfahrzeugen (UAVs). Das Modell kombiniert physikinformierte Lernmethoden mit einem Residual-Neural-Network, um sowohl den Zustand als auch dessen Ableitung präzise vorherzusagen.

Durch die Integration einer Softmax-Schicht kann das System Mehrklassenkonfidenzen liefern, was die Zuverlässigkeit der Klassifizierung weiter erhöht. In den Fallstudien wurden Quadcopter, Gleitschirm- und Hubschrauber-Typen untersucht, wobei das Modell eine beeindruckend hohe Genauigkeit erreichte.

Besonders hervorzuheben ist die deutlich verkürzte Trainingszeit im Vergleich zu herkömmlichen Ansätzen. Diese Fortschritte machen das Verfahren zu einer vielversprechenden Lösung für Systemidentifikationsprobleme, bei denen die zugrunde liegenden Dynamiken gut verstanden sind.