Veifindingsalgoritmer finner en vei fra en node til en annen i en datastruktur som kalles en graf. De blir brukt mye i mobile GPS-enheter. For en enhet som blir brukt i biler, bygger man opp en graf fra verdens veinettverk. Man kan bruke disse til å finne korteste vei fra der man befinner seg nå dit man skal.
For å bygge en autonom, flyvende drone, må den kunne finne veien rundt i verden. Når man flyr, trenger man ikke å følge veier slik som biler. Det kan være mulig å fly direkte, men det kan være hindringer som for eksempel terreng. Hvis den må fly over et fjell, må den bruke veldig mye energi på å fly høyt nok til å ikke kollidere. Hvis vi scanner området og lager et høydekart, kan vi bruke dette høydekartet til å unngå hindringer. Effekten blir at dronen flyr rundt bygninger og fjelltopper i stedet for over dem.
Problemet med dette er at grafene vi får ut av det her er veldig store. Når det er snakk om veier, er det veldig mange måter de kan forenkles ned til en håndterlig størrelse. Dette er stemmer ikke for terreng og høydekart. Dette betyr at tradisjonelle raskeste-vei-algoritmer bruker ekstremt lang tid på å finne veien. For å være så effektive som mulig, må svingene jevnes ut etterpå.
Oppgaven gitt til oss av Kongsberg Defence & Aerospace er å finne ut av om maskinlæring kan brukes i dette tilfellet. Håpet er at en maskinlæringsbasert løsning skal være raskere enn de tradisjonelle algoritmene, og ikke måtte jevnes ut etterpå. For å gjøre forskningen lettere, må vi også lage en nettbasert tjeneste hvor man kan leke seg med løsningene vi kommer frem til.