We spoke with Johann Dauer, Head of Department Unmanned Aircraft at the Institute of Flight Systems Engineering at the German Aerospace Center (DLR), about the use of AI and the challenges on the road to certification. Absolutely recommended reading!
1. DLR and Spleenlab are working together on the KI4Flight research project. How important is thisand subsequent projects for the fully automated BVLOS flight and the certification process?
In the KI4Flight project, we are working on the implementation of sensor systems including machine learning to enable robust and certifiable environmental perception. Such sensor suites enable a drone not only to map its environment, but also to provide it with semantic meaning. This capability is a basis of decision-making systems. It is therefore an essential capability for on-board autonomy and thus a key to beyond-visual-line-of-sight operations. However, to achieve this, we need complex and safety-critical software; the assurance of which is a challenging process. On top of that, KI4Flight uses artificial intelligence methods, the verification of which has still not been conclusively researched. Together, in KI4Flight, we are contributing on the way to safe autonomy and its certification.
2. How do start-ups contribute to the development of safe algorithms for unmanned aerial vehicles?
My team and I really enjoy working with start-ups. From our perspective, a start-up does not look back on a long history and is therefore not held back by past decisions and development legacy. That is why it seems easier to break new ground. Nowadays, the technological challenges are becoming increasingly complex. Thus, we need as many different approaches as possible to find the most promising. Start-ups can play an important role in this with the innovative paths they take.
3. What is the work of DLR and especially of your team like in general?
This question can only be answered with the words diverse and varying. Hardly any day unfolds identical to the next. As Department of Unmanned Aircraft, we are part of DLR´s research branch.
With our research, we are located somewhere between universities and industry. The research in my department is often more applied than at a methodologically oriented university. At the same time, we pick up on promising theories that are not yet sufficiently mature for implementation by companies and integrate them into a flying system. These aspects then culminate in the most rewarding aspect of the work for me – the flight tests and experiments.
In all of this, I find the diversity of DLR research particularly interesting. In recent years, for example, we have been able to think through unmanned cargo transport with larger payloads in their entirety – from business applications, aircraft configurations, airspace integration and autonomous technologies to the realization of prototypes and technology demonstrations. These diverse perspectives are only made possible by the many different topics of the institutes at DLR. We then publish the results of such research, as in this example, in the form of a book. Such complex and multi-layered research is only possible in very few institutions. In particular, the contributions of my team are dedicated to the developments of new demonstrators for unmanned aircraft, safery and assurance of autonomy and environmental perception.
4. In your opinion, what contribution does KI4Flight make to enabling flight taxis without pilots in Germany?
Quite clearly – KI4Flight contributes to the environmental perception of unmanned systems, be they drones and air taxis. If such systems are to take place in the future with little influence or without a pilot at all, the aircraft must automatically perceive and assess its environment. The flight paths must be monitored to be collision free, or the clearance of a landing platform needs to guaranteed. This is why environmental perception is mandatory for automatic flight. The road to fully autonomous passenger transport in Germany is still long – because the technologies have to be mature enough, the implementations certified and the infrastructure created. But it is precisely all these challenges that make the topics so exciting for our research at the moment.
5. What is the role of EASA recently published approaches to AI certification? Which areas require special attention in the coming years?
I find the approaches to certify AI, deep machine learning, that were published in recent years very impressive. The expansion of development processes for data-based system withinth CoDANN documents and the pillars of assurance of the “First usable guidance for Level 1 machine learning applications” are important milestones on the way to certify machine learning in aviation. Nevertheless, much remains to be investigated towards full autonomy and in-flight learning, i.e. adaptive systems.
German Version:
VISIONAIRY TAKE-OFF TALK mit Johann Dauer (DLR)
Wir haben uns mit dem Abteilungsleiter Unbemannte Luftfahrzeuge des Instituts für Flugsystemtechnik des Deutschen Zentrums für Luft- und Raumfahrt Johann Dauer über den Einsatz von KI und die Herausforderungen auf dem Weg zur Zertifizierung unterhalten. Absolute Leseempfehlung!
1. Das DLR und Spleenlab arbeiten im Forschungsprojekt KI4Flight zusammen. Wie wichtig sind dieses und nachfolgende Projekte für den vollautomatisierten BVLOS Flug und den Zertifizierungsprozess?
Im Projekt KI4Flight arbeiten wir an der Umsetzung von Sensorsystemen welche mit maschinellem Lernen ausgestattet werden, um eine Umweltwahrnehmung zu ermöglichen. Eine Drohne wird damit in die Lage versetzt, Ihre Umgebung nicht nur zu kartographieren, sondern auch mit semantischer Bedeutung zu versehen. Diese Fähigkeit ist eine Grundlage für Entscheidungssysteme. Die Umweltwahrnehmung ist also eine wesentliche Fähigkeit für bordseitige Autonomie und damit ein Schlüssel für den Betrieb außerhalb der Sichtweite des Steuerers. Allerdings benötigen wir dafür komplexe und sicherheitskritische Software, deren Nachweis ein aufwändiger und kostspieliger Prozess ist. Bei KI4Flight kommen zusätzlich erschwerend Methoden der künstlichen Intelligenz zum Einsatz, deren Nachweisführung nach wie vor nicht abschließend erforscht ist. Auf dem Weg zu dieser Nachweis- und Zertifizierbarkeit liefern wir mit KI4Flight gemeinsam Beiträge.
2. Welchen Beitrag leisten Startups bei der Entwicklung sicherer Algorithmen für unbemannte Luftfahrzeuge?
Mein Team und ich arbeiten mit Startups ausgesprochen gerne zusammen. Ein Startup schaut nicht auf eine lange Historie zurück und wird darum nicht von alten Entscheidungen und Entwicklungssträngen aufgehalten. Darum erscheint es einfacher ganz neue Wege zu beschreiten. Die technologischen Herausforderungen werden zunehmend komplex. Wir brauchen also möglichst viele verschiedenen Lösungsansätze, um die vielversprechendsten herauszufinden. Startups können hierbei mit neuen Wegen, die sie beschreiten, eine wesentliche Rolle spielen.
3. Wie sieht die Arbeit des DLR und vor allem deines Teams generell aus?
Diese Frage lässt sich wohl nur mit den Worten vielfältig und abwechslungsreich beantworten. Kaum ein Tag gleicht dem anderen. Als Abteilung für unbemannte Luftfahrzeuge am Institut für Flugsystemtechnik sind wir im Forschungsbereich des DLR tätig. Mit unserer Herangehensweise bewegen wir uns irgendwo zwischen Universitäten und der Industrie. Die Forschung in meiner Abteilung ist häufig anwendungsorientierter als an einer methodisch ausgerichteten Universität, gleichzeitig greifen wir vielversprechende Theorien auf, die technologisch noch nicht reif genug für die Umsetzung durch Unternehmen sind und integrieren sie in ein fliegendes System. Das gipfelt dann in dem für mich bereicherndsten Aspekt der Arbeit – den Flugerprobungen und Experimenten.
Bei all dem finde ich insbesondere die Vielfältigkeit der Forschung am DLR besonders interessant. Wir konnten in den vergangenen Jahren zum Beispiel den unbemannten Frachttransport großer Nutzlasten einmal komplett durchleuchten – von den betriebswirtschaftlichen Anwendungsfällen, den Luftfahrzeugkonfigurationen und Luftraumintegration, über Technologien der Autonomie bis hin zur Realisierung von Prototypen und Technologiedemonstrationen. Diese verschiedensten Perspektiven werden erst durch die vielen unterschiedlichen Ausrichtungen der Institute am DLR möglich. Die Ergebnisse solcher Forschung veröffentlichen wir dann, wie in diesem Fall, z.B. in Form eines Buches. Derartige komplexe und vielschichtige Forschung ist nur in sehr wenigen Einrichtungen möglich. Die Beiträge meines Teams widmen sich dabei insbesondere der Entwicklung neuer Demonstratoren für unbemannter Luftfahrzeugen sowie der sicheren und nachweisbaren Autonomie und Umweltwahrnehmung.
4. Welchen Beitrag liefert KI4Flight aus Deiner Sicht, um auch in Deutschland Flugtaxis ohne Piloten zu ermöglichen?
Ganz klar – KI4Flight liefert einen Beitrag für die Umgebungswahrnehmung unbemannter Systeme, seien es nun Drohnen und Flugtaxis. Sollen solche Systeme in Zukunft mit geringem Einfluss oder ganz ohne einen Piloten stattfinden, so muss das Luftfahrzeug seine Umgebung automatisch erkennen und beurteilen. Die Kollisionsfreiheit der Flugwege muss überwacht oder die Sicherheit einer Landeplattform beurteilt werden. Ohne eine solche Umweltwahrnehmung ist ein automatischer Flug nicht denkbar. Der Weg zum vollständig autonomen Transport von Passagieren in Deutschland ist noch ein sehr weiter – weil die Technologien noch reifen, die Umsetzungen zertifiziert und die Infrastruktur geschaffen werden müssen. Aber gerade all diese Herausforderungen machen die Themen im Augenblick für die Forschung so spannend.
5. Welche Rolle spielen die kürzlich veröffentlichten Ansätze der EASA zur Zertifizierung von KI? Welche Bereiche erfordern in den nächsten Jahren besondere Aufmerksamkeit?
Ich finde die in den vergangenen Jahren veröffentlichten Ansätze zur Zertifizierung von KI, von maschinellem tiefem Lernen sehr beeindruckend. Die Erweiterung von Entwicklungsprozessen für datenbasierte Modelle der CoDANN Dokumente und die Säulen der Nachweisführung der „First usable guidance for Level 1 machine learning applications“ sind wichtige Meilensteine auf dem Weg der Nachweisführung von maschinellem Lernen in der Luftfahrt. In Richtung der vollständigen Autonomie von Luftfahrzeugen und während des Fluges lernender, also adaptiver Systemen bleibt für die Forschung aber nach wie vor viel zu tun.
