Grid-Intelligent Computing: Wie ein KI-Gehirn, das nicht auf die blinde Anhäufung von Rechenleistung setzt, die Lücke bei den unter Wald liegenden Anwendungsszenarien schließt | Unterwasserprojekt

Vom Verbrauchermarkt bis zu industriellen Einsatzbereichen ist der Drohnenmarkt, der längst zu einem „Roten Meer“ geworden ist, bereits von einer Vielzahl von Akteuren besetzt – dennoch gibt es ein Nischenfeld, das selbst von den führenden Herstellern der Branche kaum erschlossen wird: der Einsatz unter Waldbestand.

Das Volumen der im Szenario unter Waldbestand verborgenen industriellen Nachfrage ist erstaunlich: Nach Daten der Nationalen Forst- und Wüstenverwaltung erreichte der Waldvorrat Chinas im Jahr 2025 209,88 Milliarden Kubikmeter, und die nationale Holzproduktion belief sich auf 140 Millionen Kubikmeter; Daten der Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen zeigen, dass die jährliche globale Rundholzernte etwa 4 Milliarden Kubikmeter beträgt, dahinter verbergen sich eine große Anzahl von Arbeiten wie die Berechnung des Bestands von Ertragswaldflächen und die Messung des Brusthöhendurchmessers von Bäumen.

Die Umgebung unter Waldbestand ist komplex, das herkömmliche manuelle Arbeitsmodell ist kostspielig, ineffizient und mit großen Gefahren verbunden. Obwohl die Branche seit langem nach automatisierten Alternativen ruft, ist die Umgebung unter Waldbestand als klassische verweigerte Umgebung dafür verantwortlich, dass herkömmliche automatisierte Lösungen nur schwer umgesetzt werden können.

Unter Waldbestand wird der Navigationsgerät durch Bäume verdeckt, sodass es leicht zu Positionsverlusten aufgrund des Verlusts von GNSS-Signalen kommt, und die starke Dämpfung von Kommunikationssignalen führt dazu, dass die Fernbildübertragung und die manuelle Steuerung nicht in Echtzeit und zusammenhängend durchgeführt werden können. Herkömmliche SLAM-Technologien sind ebenfalls nicht in der Lage, komplexe Texturen in Umgebungen mit ständigen geringfügigen Veränderungen wie dem leichten Wiegen von Ästen im Wind zu verarbeiten.

„Nur durch die Entwicklung eines körperlichen Intelligenzsystems für Echtzeit-Hochpräzisions-Raumwahrnehmung und Nachlaufsteuerung, das offline auf der Endgeräteseite ausgeführt werden kann, lassen sich die Arbeitsanforderungen in der vollständig verweigerten Umgebung unter Waldbestand effektiv erfüllen“, erklärte Qian Min, Marktverantwortliche von Grid Intelligent Computing.

Grid Intelligent Computing wurde 2025 gegründet und widmet sich der Nutzung seiner selbst entwickelten „Grid-Domain-Lerntechnologie“, um eine hochpräzise Raumverständnis zu erzielen und durch das Modell selbst optimale Steuerungsfunktionen zu generieren, sodass effektive Steuerungsfähigkeiten wie komplexe Hindernisvermeidung realisiert werden. Auf dieser Grundlage wurde die intelligente Basis „GridAI Brain“ eingeführt, die für eine Vielzahl von Hardwaregeräten geeignet ist. Sie realisiert erstmals die Fähigkeiten von Drohnen zum autonomen Flug ohne GNSS unter Waldbestand, zur millimetergenauen Durchmessermessung und zur automatischen Hindernisvermeidung. Derzeit wurde das Produkt bereits in kleinen Mengen kommerziell ausgeliefert.

Dai Hao, Chefwissenschaftler von Grid Intelligent Computing, verfügt über mehr als 30 Jahre technische Erfahrung. 1996 entwickelte er erstmals ein Algorithmus-System, das eine heterogene Architektur mit Hochleistungsrechnen kombiniert, und wurde zum Forscher am Nationalen Ingenieurzentrum für Hochleistungsrechentechnik ernannt.

Drohne von Grid Intelligent Computing

1. Realisierung der Raumverständnisfähigkeit mit wenigen Daten und geringer Rechenleistung durch den Grid-Domain-Lernmechanismus

Die derzeit gängigen intelligenten Drohnenlösungen basieren größtenteils auf Deep-Learning-Frameworks. Sie trainieren Modelle durch die Erfassung einer riesigen Menge an Bilddaten und manuelle Annotation und erkennen Objekte anhand zweidimensionaler statischer Pixelmerkmale. Die Umgebung unter Waldbestand ist jedoch dynamisch und veränderlich, die Beleuchtung ist unregelmäßig, Äste kreuzen sich und verdecken sich gegenseitig. Die Pixelmerkmale desselben Objekts ändern sich vollständig, wenn sich Winkel und Lichtverhältnisse ändern, was dazu führt, dass Drohnen, die mit auf Deep Learning trainierten Modellen ausgestattet sind, Schwierigkeiten haben, die Umgebung effektiv zu erkennen und Aufgaben darin auszuführen.

Um dieses Problem zu lösen, liegt der Kern in der dauerhaften Steuerbarkeit mehrerer Zwischenzustände des Trägers während der Bewegung. Das heißt, wenn sich die Umgebung im physischen Raum ändert, kann der Träger schnell nachlaufen und korrigieren. Dies erfordert zwei Fähigkeiten des Trägers auf Algorithmenseite: Erstens die schnelle Wahrnehmung von Raumveränderungen und die genaue Erfassung von schlüsselbezogenen Bewegungselementen; zweitens die physische Wahrnehmung des maschinellen Trägers selbst.

Die Lösung von Grid Intelligent Computing besteht darin, eine dynamische Steuerungsfunktion für räumliche Verschiebungen durch Antriebstypen und physische Abmessungen zu erstellen, um sich an Veränderungen verschiedener Träger oder Antriebsarten anzupassen. Konkret basiert das selbst entwickelte GridAI-Brain von Grid Intelligent Computing auf dem Grid-Domain-Lernmechanismus. Bei der Analyse kontinuierlicher Videoströme behält es gleichzeitig Informationen in Zeit- und Raumdimensionen bei, sodass das Gerät die Fähigkeit erhält, den realen Raum zu erkennen und zu verstehen. Beispielsweise weist Rauch und Feuer keine festen Texturen und klaren Formen auf, herkömmliche KI-Modelle können sie kaum von Objekten wie Wolken unterscheiden, während GridAI sie erkennen kann, indem es die räumliche Bewegungsbahn von Rauch beurteilt, die sich von der von Wolken unterscheidet.

Im Einzelnen verarbeitet das Grid-Domain-Lernen die physische Welt auf drei Ebenen zu einem „Gitter“: Erstens diskrete, verfolgbare Entitätsgitter in der Szene; zweitens Eigenschaftsgitter, die jeder Entität zugewiesen sind und sich mit der Zeit ändern, wie Position, Geschwindigkeit und Bewegungsrichtung; drittens Beziehungsgitter, die die Beziehungen zwischen Entitäten definieren, beispielsweise die Bestätigung „Das Vogelnest befindet sich zwischen zwei Ästen“.

Diese Vorgehensweise imitiert im Wesentlichen die Art und Weise, wie Menschen die Welt wahrnehmen. Es betrachtet nicht nur Pixel, sondern erkennt Objekte, erfasst Dynamik und klärt räumliche Beziehungen. Durch die Echtzeiterfassung von Veränderungen von Objekten im Raum zu verschiedenen Zeitpunkten werden ihre Bewegungsgesetze abgeleitet und ihre Bahnen vorhergesagt. Drohnen, die mit GridAI ausgestattet sind, können nach der Festlegung des Einsatzbereichs unter Waldbestand ohne vorherige Scan-Modellierung in Echtzeit ein dynamisches Raumfeld aufbauen, selbstständig Pfade planen, Hindernisse umgehen und die Durchmessermessung durchführen, wobei der gesamte Prozess ohne Eingriffe eines Drohnenpiloten abläuft.

Da GridAI die zugrunde liegende Raumstruktur der Szene und die Beziehungen zwischen Objekten analysiert, werden diese Informationen nicht durch Lichtverhältnisse und Wetter beeinträchtigt, sodass die Robustheit gegenüber Umgebungen höher ist. Darüber hinaus erfordert GridAI im Gegensatz zu Deep-Learning-Trainings, die oft zehntausende oder hunderttausende annotierte Bilder benötigen, nur Dutzende bis Hunderte von Stichproben, um das Training abzuschließen, sodass der gesamte Rechenleistungsbedarf und der Hardware-Stromverbrauch erheblich reduziert werden. Beispielsweise kann GridAI nach dem Lernen von nur 30 Fotos von Vogelnestern auf Ästen, die von Kunden bereitgestellt werden, eine Fehlalarmzahl von 0, eine Ausbleiberzahl von 1 und eine Genauigkeit von 98,3 % bei 58 Testbildern erreichen.

2. Von Waldszenarien zu weiteren Anwendungsbereichen: Schaffung eines universellen intelligenten Gehirns

Laut Qian Min stammt die Entscheidung von Grid Intelligent Computing, zuerst in die Forstbranche einzutreten, aus einem Zufall. Im Jahr 2025 erfuhren sie bei der Kommunikation mit einem staatlichen Forstbetrieb, dass die globale forstliche Vermessung unter Waldbestand fast vollständig noch manuell durchgeführt wird. Es besteht ein großer Bedarf an automatisierten Alternativen, die präzise, effiziente und sichere Arbeitsergebnisse liefern. „Das hat uns dazu veranlasst, die Wettbewerbslandschaft der gesamten industriellen Drohnenbranche neu zu bewerten. Führende Hersteller verfügen über sehr ausgereifte Technologien für Flüge in freiem Luftraum und in großer Höhe, aber der Bereich unter Waldbestand ist eine noch unerschlossene Lücke.“

Derzeit haben die mit dem GridAI-Brain ausgestatteten Drohnen von Grid Intelligent Computing die technische Überprüfung durch die Chinesische Akademie für Forstwissenschaften abgeschlossen. Das Unternehmen hat tiefe Kooperationen mit führenden Forstunternehmen wie Zhonglin Chongqing und Zhejiang Feilong geschlossen.

Die Position von Grid Intelligent Computing ist jedoch nicht nur ein Anbieter von Drohnen für Einsätze unter Waldbestand.

Qian Min erklärte: „Unser Produkt ist im Wesentlichen ein universelles intelligentes Gehirn. Es kann in intelligente Chippmodule integriert werden und auf mechanische Arme von körperlichen Robotern, unbemannten Fahrzeugen oder Unterwasserrobotern angewendet werden, um diesen Hardwaregeräten die Fähigkeit zu verleihen, den physischen Raum selbstständig wahrzunehmen und zu verstehen sowie Entscheidungen zu treffen und Aktionen auszuführen. Beispielsweise kann GridAI, wenn die positionsbestimmung durch Störgeräusche bei landgestützten Radaren ungenau ist, Ziele im visuellen Koordinatensystem und im Radar-Koordinatensystem umwandeln und hochpräzise fusionieren, um eine geräuschunempfindliche integrierte Radar-Vision-Lösung bereitzustellen.“

Die Universalität des GridAI-Brains erstreckt sich auf immer mehr Branchen. Beispielsweise kann GridAI im Bereich der Lagerlogistik in Zusammenarbeit mit Unternehmen wie Beijing Guangjia und Googol Technology mit seiner Fähigkeit für wenige Daten, geringe Rechenleistung, hohe Präzision und hohe Generalisierung mit mechanischen Armen für mehrere SKUs und mehrere Arbeitsabläufe zusammenarbeiten, wobei die Anwendungsbereiche unter anderem die Einzelstückauswahl von Waren, das Verpacken und die Paketsortierung umfassen. Darüber hinaus hat das Unternehmen eine strategische Partnerschaft mit Shenzhen Unicom geschlossen.

In der Zukunft wird Grid Intelligent Computing über das GridAI-Brain als Bindeglied die ober- und unterhalb liegenden Akteure der Industriekette zusammenbringen, um vollständigere intelligente Lösungen für Schlüsselbranchen wie die Land- und Forstwirtschaft sowie die Lagerlogistik bereitzustellen. Von der visuellen Wahrnehmung über die automatisierte Steuerung von Ausrüstungen bis hin zu weiteren Anwendungsbereichen möchte Grid Intelligent Computing ein universelles „intelligentes Gehirn“ für alle Szenarien schaffen, damit Maschinen und Geräte die komplexe physische Welt wirklich „verstehen“ und über die Fähigkeit zum selbstständigen Handeln verfügen.