Technologie

Derzeitige Lösungen zur Navigation von mobilen Robotern und FTS sind abhängig von zusätzlicher Infrastruktur (wie z. B. retroreflektiven Markern und Ultrawide-Band-Lokalisierungssystemen) oder die Lösungen sind beschränkt auf vorwiegend statische, gut strukturierte Umgebungen. NODE hingegen erzeugt einen hohen Autonomiegrad der mobilen Systeme, lässt sich dadurch unabhängig von Infrastruktur werden und auch in komplexen dynamischen Umgebungen effizient operieren. Dieser Autonomiegrad reduziert darüber hinaus die Aufwände, um Systeme applikationsspezifisch zu konfigurieren und in Betrieb zu nehmen und schafft so die Grundlage für deren »Plug&Play«-Einsatz.

Die große Herausforderung, um diesen Autonomiegrad zu erreichen, besteht in der Überwindung von lokalen (fahrzeugseitigen) Beschränkungen. Das betrifft beispielsweise die Sensorsichtweite und limitierte Rechenressourcen. Das Aufrüsten der einzelnen Fahrzeuge mit leistungsstarker Sensorik oder Rechenhardware würde diese Beschränkungen zwar vermindern. Es ist jedoch aus konstruktiven und vor allem aus wirtschaftlichen Gründen nicht zielführend.

NODE beseitigt diese lokale Beschränkungen, indem es die mobilen Systeme untereinander sowie mit Cloud- und Edge-Servern vernetzt. Dies ermöglicht, Umgebungswissen und Systemzustände innerhalb der Flotte auszutauschen sowie externe Rechenressourcen zu nutzen, um ganzheitliche Umgebungs- und Zustandsmodelle zu erzeugen und auszuwerten.

Auf Basis dieses ganzheitlichen Systemwissens wird nun mit aktuellen Ansätzen aus der Robotik sowie Machine Learning, insbesondere aus dem Bereich der autonomen Navigation sowie Flottenkoordinierung, die Flotte in Echtzeit optimal gesteuert.

Zur Vernetzung sind mit NODE kommerziell verfügbare Drahtloskommunikationstechnologien einsetzbar. NODE kompensiert deren derzeitige Beschränkungen wie limitierte Datenraten, Latenzen und Netzwerkunterbechnungen durch die hybride Systemarchitektur, den Einsatz von gezielten Navigationsverfahren sowie Datenkompressionstechnologien. Die Fahrzeuge bleiben auch ohne Netzwerkverbindungen einsatzfähig.

Mit der Anbindung an eine Cloud-Infrastruktur bietet NODE darüber hinaus die Möglichkeit, Softwareaktualisierungen »over the air« sowie Remote-Überwachung und -Analyse durchzuführen.

 

Video: Vernetzte Navigation für mobile Roboter

Diese Kerntechnologien nutzt NODE

Zur robusten und präzisen Lokalisierung sowie effizienten Routenplanung der mobilen Systeme ist eine aktuelle Umgebungskarte wichtig. Ansätze des SLAM-Algorithmus (Long-Term Simultaneous Localization and Mapping) zielen darauf ab, diese Karte mittels aktueller Sensorbeobachtungen kontinuierlich zu aktualisieren und den Roboter gleichzeitig in dieser Karte zu lokalisieren. Im Verbund der Flotte sowie potenziell weiterer Sensorik, die im Netzwerk verfügbar ist, kann diese Aufgabe schneller, robuster und präziser gelöst werden, da mehr Sensorinformationen vorliegen.

Speziell für diese Aufgabenstellung wurde am Fraunhofer IPA der Cooperative Long-Term SLAM entwickelt. Die verteilte Systemarchitektur sowie das eigens entwickelte Kartenformat halten die Netzwerkanforderungen gering. Darüber hinaus können sich die einzelnen Fahrzeuge auch im Falle eines Netzwerkabbruchs weiterhin lokalisieren und ihren Auftrag ausführen.

Ein Service stellt die stetig aktualisierte Live-Karte der Umgebung den einzelnen Fahrzeugen zur Verfügung und leistet damit einen wesentlichen Beitrag dazu, die Fahrzeuge robust zu lokalisieren. Die Karte dient auch dazu, die Routen der Flotte an aktuelle Hindernisse und Blockaden anzupassen.

Eine optimale Zuordnung von Transportaufträgen zu einzelnen Fahrzeugen der Flotte hängt von mehreren Randbedingungen ab. Dazu gehören zum Beispiel der Batterieladestand des Fahrzeugs und dessen Transportfähigkeiten, insbesondere aber auch die Zeit, die das Fahrzeug benötigt, um den Auftrag abzuarbeiten. Diese Zeit hängt in der Regel stark von der Route ab. Auftragszuweisung und Routenplanung müssen deshalb gemeinsam betrachtet werden, unter anderem auch deshalb, da die Routenwahl für die einzelnen Fahrzeuge auch abhängig vom Flottenzustand ist und damit über die Flotte optimiert werden muss.

Für diese Problemstellung entwickelt das Fraunhofer IPA derzeit ein Flottenmanagement, das Ansätze der Schwarmintelligenz nutzt. Dieses Flottenmanagement soll auch heterogene Flotten in Anwendungen mit variierender Auftragslage optimal koordinieren können.

Wenn mehrere Fahrzeuge im selben Arbeitsraum operieren oder an Kreuzungen aufeinandertreffen, wird oft auf eine starre Verkehrsregelung zurückgegriffen. Diese hat jedoch den Nachteil, dass Fahrzeuge stoppen und warten müssen. So ist das Transportsystem weniger effizient. Dazu kommt der zumeist erhebliche manuelle Aufwand, um die Verkehrsregelung für den speziellen Anwendungsfall zu konfigurieren.

Das am Fraunhofer IPA entwickelte Softwaremodul zur Cooperative Trajectory Optimization kommt deshalb ohne spezifische Verkehrsregeln aus: Es lässt die im Konflikt stehenden Fahrzeuge selbst die Situation aushandeln und daraufhin ihre Trajektorien optimieren. Die Priorisierung von bestimmten Transportaufträgen räumt implizit den hochpriorisierten Fahrzeugen Vorfahrt ein, sodass sie möglichst schnell ans Ziel kommen.

Das Softwaremodul macht die Flotte effizient, indem sie die zur Verfügung stehenden Arbeitsbereiche optimal nutzt. Aufwendige und zum Teil schwierige manuelle Konfigurationen entfallen.

 

Video: Echtzeit-Trajektorienoptimierung und kooperative Kollisionsvermeidung

 

Video: Cloud-basierte Navigation visualisiert mit Augmented Reality