In Frankreich steigt das Durchschnittsalter der Landwirte stetig an, was eine große Herausforderung für die Zukunftsfähigkeit des Sektors darstellt.
Die Agrarrobotik erweist sich als vielversprechende Lösung, um dem Arbeitskräftemangel entgegenzuwirken und die Herausforderungen in Bezug auf Produktivität und Sicherheit zu bewältigen.
Vor diesem Hintergrund fand der erste Hackathon des„Grand Défi de la Robotique Agricole“(GDRA) statt.
Der Hackathon: Grundsätze, Ablauf, Regeln und Herausforderungen
Der von Robagri im Rahmen von „France 2030“ organisierte GDRA-Hackathon hatte zum Ziel, die Robotisierung des Agrarsektors zu festigen und voranzutreiben, indem Forscher und Fachleute aus der Praxis zusammengebracht wurden.
Diese erste Ausgabe befasst sich mit drei zentralen Herausforderungen im Zusammenhang mit dem Einsatz von Robotern in der Landwirtschaft:
- Erstellung von Reiserouten
- Fußgängererkennung
- Hindernisvermeidung
Teams aus aller Welt traten in der Qualifikationsphase von Dezember 2023 bis Januar 2024 in jedem dieser Themenbereiche gegeneinander an.
Auf der Grundlage der Leistung der einzelnen vorgestellten Lösungen und der Bewertung einer Expertenjury qualifizierten sich die beiden besten Teams jeder Challenge für die Endrunde.
Das Innolab-Team von T&S stellte sich der Herausforderung und meldete sich für die Wettbewerbe zur Fußgängererkennung und zur Hindernisvermeidung an.
Der Hackathon: Eine Plattform für Austausch und Diskussion rund um T&S und seine AG-Tech-Lösungen
Seit 2019 entwickelt T&S über sein Forschungs- und Entwicklungsteam Innolab intelligente Mobilitätslösungen für jedes Gelände.
Das auf AG-Tech spezialisierte Team hat sich umfangreiches Fachwissen in den Bereichen Wahrnehmung, Planung, Steuerung und Sicherheitsfunktionen angeeignet.
Dieser Hackathon bot T&S die Gelegenheit, sein Fachwissen mit dem anderer Marktteilnehmer zu vergleichen.
Der Wettbewerb beginnt
In der Qualifikationsphase des Hackathons entschied sich T&S für die Teilnahme an den Herausforderungen 2 und 3, nämlich der Fußgängererkennung und der Hindernisvermeidung.
Die Komplexität der Fußgängererkennung in landwirtschaftlichen Umgebungen
Die Hinderniserkennung in landwirtschaftlichen Umgebungen ist besonders komplex.
Die Erkennung und Identifizierung von Umweltfaktoren kann durch zahlreiche Faktoren beeinträchtigt werden:
- Veränderungen der Helligkeit:Tag, Nacht, Schattenwurf durch Baumkronen und Pflanzen,
- Wettergefahren: Regen, Schnee, Hagel, Nebel
- Starke Sichtbehinderung durch Vegetation: Landwirte bewegen sich häufig von einer Kulturpflanze zur nächsten, um jede Pflanze zu begutachten und zu ernten. Die dichte Vegetation bildet eine natürliche Tarnung, die es Robotern erschwert, Fußgänger korrekt zu erkennen.
Grenzen klassischer Methoden und der Aufstieg der KI
Herkömmliche Methoden zur Hinderniserkennung unterscheiden nicht zwischen verschiedenen Hindernisarten, was eine entscheidende Herausforderung für die Sicherheit von Agrarrobotern darstellt. Dank künstlicher Intelligenz ist es nun möglich, Hindernisse präzise zu identifizieren.
Vorteile der Roboterinstrumentierung
Roboterbasierte Messtechnik ist einfacher und realistischer als herkömmliche Messtechnik und bietet Flexibilität und Anpassungsfähigkeit.
Das Innolab-Team entschied sich für eine integrierte Lösung auf Basis von KI und Roboterwahrnehmung zur zuverlässigen und präzisen Hinderniserkennung und entwickelte dazu eine innovative Lösung auf Basis eines LiDAR-Sensors.
Fußgängererkennung für landwirtschaftliche Roboter: Die Wahl des richtigen LiDAR-Systems
Zur Erkennung von Fußgängern werden in der Regel Sensoren wie Kameras, Wärmebildkameras oder LiDAR-Systeme eingesetzt.
Da der Wettbewerb auf einem Simulator stattfindet, ist der Einsatz einer Wärmebildkamera nicht möglich.
Zudem sind Kameras in autonomen Fahrzeugen bei Nacht oder ohne ausreichende Beleuchtung unzuverlässig.
LiDAR-Systeme, die dem Sonar von U-Booten ähneln, funktionieren bei Tag und Nacht gleichermaßen gut. Außerdem bieten sie eine unübertroffene Genauigkeit bei der Entfernungsmessung zu nahen und entfernten Objekten.
Diese Technologie ermöglicht es, Fußgänger selbst bei schwierigen Wetterbedingungen und bei vorhandenen Hindernissen mit hoher Präzision zu erkennen.
Erkennung von Fußgängern in komplexen Umgebungen
Das vom Innolab-Team entwickelte System passt sich an Helligkeitsschwankungen, Wetterbedingungen und starke Sichtbeeinträchtigungen durch Vegetation an.
Es nutzt ein robustes Deep-Learning-Modell, um Fußgänger von Hindernissen zu unterscheiden und eine genaue Echtzeit-Ortung zu gewährleisten.
Hindernisvermeidung in landwirtschaftlichen Umgebungen
Durch die Teilnahme an der Challenge zur Hindernisvermeidung konnte das Innolab-Team den Umgang mit wichtigen Tools (ROS, Gazebo, Docker) verbessern und sein Fachwissen im Bereich der Hindernisvermeidung vertiefen.
Doppelte Anforderung an die Methode zur Hindernisvermeidung
- Bewegliche Hindernisse umfahren
Die Methode muss es dem Roboter ermöglichen, sich bewegende Hindernisse zu erkennen und ihnen auszuweichen, um so eine reibungslose und sichere Navigation zu gewährleisten.
- Präzise Navigation in engen Räumen
Die Methode muss es dem Roboter zudem ermöglichen, dicht an feststehenden Hindernissen wie Reihen eng beieinander stehender Rebstöcke vorbeizufahren, um in komplexen Umgebungen eine höhere Effizienz zu erzielen.
Bestehende Ansätze zur Hindernisvermeidung
Im Gegensatz zu Straßenfahrzeugen und deren Überholmanövern in einfachen Umgebungen stellt die Hindernisvermeidung für landwirtschaftliche Roboter angesichts der Vielzahl von Elementen und der spezifischen Gegebenheiten auf Feldern eine größere Herausforderung dar.
Bei autonomen Robotern in begrenzten Umgebungen konzentriert sich die Forschung auf drei Bereiche:
- Empirische und geometrische Ansätze (geringer Rechenaufwand, können jedoch in komplexen Fällen „ins Stocken geraten“)
- Ansätze zur Wegplanung mittels Optimierung (sehr zeitaufwendig, liefern jedoch auch in Umgebungen mit Einschränkungen valide Lösungen)
- Modellprädiktive Regelungsansätze (hoher Rechenaufwand, berücksichtigen jedoch die Dynamik des Fahrzeugs und von Hindernissen; empfohlen für Hochgeschwindigkeitsfahrzeuge)
Ein einfacher und effektiver LIDAR-basierter Ansatz
Aus Gründen der verfügbaren Entwicklungszeit und der Umsetzbarkeit konzentrierte sich das Team bewusst auf relativ einfache und rechenaufwandsarme Ansätze.
Die gewählte Methode basiert auf der Erstellung einer Echtzeit-Hinderniskarte anhand eines 2D-LiDAR-Sensors.
Mit jeder neuen Messung wird die Karte aktualisiert, um die Erkennung zu verfeinern und sich bewegende Hindernisse zu berücksichtigen. Diese Karte ermöglicht es in Verbindung mit den Informationen zur Ausrichtung und Manövrierfähigkeit des Roboters, die von Hindernissen in der Umgebung des Roboters ausgehende Gefahr zu quantifizieren.
Das System bewertet die Gefahr durch Hindernisse und passt die Bewegungsbahn des Roboters an, um Kollisionen zu vermeiden.
Dieser einfache und robuste Ansatz lässt sich an eine Vielzahl von Umgebungen anpassen.
Semantische Segmentierung: Ein entscheidender Faktor für die Autonomie landwirtschaftlicher Roboter
Die semantische Segmentierung für landwirtschaftliche Roboter ist aufgrund der äußeren Bedingungen und der Notwendigkeit, nicht standardisierte Hindernisse zu erkennen, komplex.
Glücklicherweise verfügen T&S und seine Teams von Englab und Innolab über Fachwissen in den Bereichen KI sowie Tools zur Datengenerierung und -verarbeitung, was eine verbesserte Hinderniserkennung ermöglicht.
Vielversprechende Ergebnisse und hohe Anpassungsfähigkeit
Mit diesen beiden Lösungsvorschlägen konnte T&S seine Kompetenz unter Beweis stellen und dank der Erkennungsrate und Genauigkeit seiner Lösung den ersten Platz im Wettbewerb zur Fußgängererkennung erringen.
Dieser erste Platz in der Qualifikationsphase sichert uns die Teilnahme an der Endrunde, die im Rahmen der FIRA-Weltmeisterschaft 2024 stattfand!
Das Finale bei der WFIRA 2024
Die World FIRA ist eine der größten (wenn nicht sogar die größte) AG-Tech-Veranstaltungen.
Diese Messe bringt Landwirte, Industrielle, Roboterhersteller und Forscher zusammen.
Diese dreitägige Veranstaltung bietet die Gelegenheit, Vorführungen modernster Roboter zu verfolgen und an Konferenzen, Präsentationen von Forschungsprojekten sowie Bildungsveranstaltungen teilzunehmen.
Der GDRA-Hackathon: Ein spannendes Finale
Tag 1: Eintauchen in den 4D-Virtualiz-Simulator
Am 6. Februar 2024 startete das Finale des GDRA-Hackathons mit der Vorstellung des neuen 4D-Virtualiz-Simulators und seiner neuen Herausforderungen.
Dieser hochmoderne Simulator kann Sensoren mit Messrauschen versehen, ungünstige Wetterszenarien erzeugen und neben den üblichen Hindernissen (Gebäude, Zäune, fahrende Landmaschinen, Fußgänger, Vegetation, Feldfrüchte) auch realistische Fußgänger in die Umgebung integrieren.
Das Innolab-Team auf dem Prüfstand
Trotz dieser neuen Einschränkungen hat unser Expertenteam nicht enttäuscht. Dank ihrer gründlichen Vorbereitung erzielten sie rasch Ergebnisse, deren Qualität mit denen der vorherigen Phase vergleichbar war.
Eine neue Jury für eine neue Herausforderung
Die Bewertungskriterien aus der Qualifikationsphase wurden nicht herangezogen, um die Finalisten-Teams voneinander abzugrenzen. Da jede Herausforderung einzigartig ist, war ein objektiver Vergleich nicht möglich. Aus diesem Grund wurde eine zweite Expertenjury eingesetzt, um das Gewinnerteam zu ermitteln.
Nach eingehender Beratung wurde das Team von T&S Innolab dank seiner innovativen Lösung zur Fußgängererkennung zum ersten Gewinner des GDRA-Hackathons gekürt.
Von der Simulation zur Realität: Innolab testet seine Lösung in der Praxis
Nach anderthalb Monaten intensiver Wettkämpfe auf Simulatoren ist das Innolab-Team bereit, sich einer neuen Herausforderung zu stellen: die Erprobung seiner Lösung zur Fußgängererkennung in einer realen landwirtschaftlichen Umgebung.
Dazu werden sie auf ihre geländegängige KIPP-Testplattform zurückgreifen.
Diese entscheidenden Versuche werden es ermöglichen, die im Laufe des Projekts getroffenen technischen Entscheidungen zu bestätigen und die Funktionsweise dieses innovativen Systems unter realen Bedingungen zu validieren.
Es ist zudem vorgesehen, das System um Kameras zu erweitern, um den spezifischen Anforderungen bestimmter Anwendungsfälle gerecht zu werden.
Bleiben Sie dran, um die nächsten Fortschritte dieses vielversprechenden Projekts zu verfolgen!
.jpg)
