Inhaltsverzeichnis: 

Die Landschaft der Robotik und der autonomen Fahrzeuge (AVs) verändert sich rasant und wirkt sich auf Branchen aus, die von der Landwirtschaft über die Logistik bis hin zur Verteidigung und Exploration reichen.  

Zwar wurden bei der autonomen Navigation im städtischen Raum erhebliche Fortschritte erzielt, doch stellt die Entwicklung robuster und zuverlässiger autonomer Systeme für die komplexen Gegebenheiten im Gelände nach wie vor eine gewaltige Herausforderung dar.  

Genau hier erweisen sich spezialisierte Forschungs- und Entwicklungsplattformen als unschätzbar wertvoll, da sie das erforderliche Fachwissen, die notwendigen Ressourcen und ein Ökosystem der Zusammenarbeit bieten, um Innovationen voranzutreiben.

Die besonderen Herausforderungen der autonomen Fahrtechnik im Gelände

Die autonome Navigation im Gelände bringt eine Reihe ganz eigener Herausforderungen mit sich:

• Wahrnehmung in dynamischen Umgebungen: Um die vielschichtige und dynamische Welt des Geländefahrens zu verstehen, sind ausgefeilte Algorithmen zur Sensorfusion und Wahrnehmung erforderlich, die unterschiedliche Geländebedingungen, Wetterverhältnisse und unvorhersehbare Hindernisse bewältigen können.
• Präzise Ortung in unwegsamem Gelände: Eine genaue Ortung ist für die Navigation von entscheidender Bedeutung, doch in vielen Geländebereichen können GPS-Signale unzuverlässig sein oder ganz ausfallen. Alternative Ortungsmethoden sind daher unerlässlich.
• Adaptive Steuerung für wechselnde Bedingungen: Robuste Steuerungssysteme sind unerlässlich, um sich auf dem sich ständig verändernden Gelände zurechtzufinden, das rutschige Oberflächen, unebenen Boden und unerwartete Hindernisse umfasst.
• Effiziente Wegplanung in unstrukturierten Umgebungen: Die Erstellung sicherer und effizienter Wege in unstrukturierten und unvorhersehbaren Umgebungen erfordert fortschrittliche Algorithmen zur Wegplanung, die das Gelände, die Fahrzeugfähigkeiten und die Missionsziele berücksichtigen.
• Robuste Systeme für raue Bedingungen: Geländefahrzeuge und Roboter müssen so konstruiert sein, dass sie rauen Wetterbedingungen, unwegsamem Gelände und den physischen Belastungen des Geländeeinsatzes standhalten.

Wie die Forschungs- und Entwicklungsplattformen von Englab diese Herausforderungen angehen

Die Forschungs- und Entwicklungsplattformen „Kipp“ von Englabbieten eine umfassende Lösung für diese Herausforderungen und umfassen:

1. Interdisziplinäres Fachwissen und Zusammenarbeit

• Expertenteams: Die F&E-Plattformen stellen Expertenteams zusammen, die sich aus Fachleuten aus den Bereichen Robotik, Computer Vision, künstliche Intelligenz, Steuerungstechnik und Maschinenbau zusammensetzen, und fördern so einen ganzheitlichen Entwicklungsansatz.
• Wissensaustausch und bewährte Verfahren: Sie schaffen ein Umfeld der Zusammenarbeit, in dem Forscher und Ingenieure problemlos Wissen austauschen können, was den Lernprozess beschleunigt und Innovationen fördert.
• Strategische Partnerschaften mit der Industrie: Oft gehen sie Partnerschaften mit führenden Unternehmen ein, um sicherzustellen, dass die Forschung den Anforderungen der Praxis entspricht und den Technologietransfer fördert.

2. Modernste Technologien und Infrastruktur

• Modernste Ausrüstung und Werkzeuge: Forschungs- und Entwicklungsplattformen investieren in die neuesten Sensoren (LIDAR, Kameras, IMUs), Hochleistungsrechner, fortschrittliche Simulationssoftware und spezielle Testanlagen.
• Umfassende Datenerfassung und -verarbeitung: Sie verfügen über die Infrastruktur, um die riesigen Datensätze, die bei realen Experimenten anfallen, effizient zu erfassen, zu verarbeiten und zu analysieren, was datengestützte Erkenntnisse ermöglicht.
• Fortschrittliche Simulationsumgebungen: Sie bieten Zugang zu hochentwickelten Simulationsplattformen für die virtuelle Erprobung und Validierung autonomer Systeme, wodurch Risiken minimiert und die Entwicklungszeit verkürzt werden.

3. Kosteneffizienz und beschleunigte Entwicklung

• Gemeinsam genutzte Ressourcen und Infrastruktur: Forschungs- und Entwicklungsplattformen ermöglichen es Unternehmen, die erheblichen Kosten für die Entwicklung und Wartung von Spezialausrüstung und -einrichtungen gemeinsam zu tragen.
• Kürzere Markteinführungszeit: Durch die Nutzung vorhandenen Fachwissens, bewährter Methoden und sofort verfügbarer Ressourcen können Unternehmen ihre Entwicklungszyklen erheblich verkürzen.
• Geringeres Risiko und höhere Zuverlässigkeit: Forschungs- und Entwicklungsplattformen bieten eine kontrollierte Umgebung für das Testen und Validieren neuer Technologien, wodurch das Risiko kostspieliger Ausfälle im realen Einsatz gemindert und die Zuverlässigkeit der Systeme erhöht wird.

Die Leistungen unseres F&E- und Innovationszentrums

Das F&E- und Innovationszentrum von Englab ist ein wichtiger Akteur auf dem Markt für Forschung und Entwicklung im Bereich autonomer Geländefahrzeuge und bietet ein umfassendes Spektrum an Dienstleistungen und Technologien, um Innovationen in diesem anspruchsvollen Bereich voranzutreiben. Hier sind einige konkrete Beispiele für die Leistungen des Zentrums:

1. Erweiterte Wahrnehmung durch LIDAR-basierte Objektverfolgung

Eine präzise Umgebungserkennung ist für die autonome Navigation von grundlegender Bedeutung, und die LIDAR-Technologie spielt eine entscheidende Rolle bei der Bereitstellung detaillierter 3D-Umgebungsdaten. Unser Team hat fortschrittliche LIDAR-basierte Erkennungsalgorithmen für die Umgebungskartierung und die zuverlässige Objekterkennung entwickelt, die selbst unter schwierigen Geländebedingungen zuverlässig funktionieren.

Der Ansatz des Teams um Matthias Spisser kombiniert Algorithmen zur Verfolgung mehrerer Objekte (Multiple Object Tracking, MOT) mit ausgefeilten Filter- und Clustering-Verfahren, um eine genaue und zuverlässige Objektverfolgung in dynamischen Offroad-Umgebungen zu erreichen. Die Algorithmen sind darauf ausgelegt, die Herausforderungen zu bewältigen, die durch unebenes Gelände, Sichtbehinderungen und wechselnde Lichtverhältnisse entstehen. Durch die Kombination von RANSAC für die Bodensegmentierung, DBSCAN für das Clustering und Kalman-Filterung für die Zustandsschätzung identifiziert, verfolgt und prognostiziert das System effektiv die Bewegung von Objekten in der Umgebung des Roboters. Diese Informationen sind entscheidend für eine sichere und effiziente Navigation und ermöglichen es dem Roboter, Hindernissen auszuweichen und sich an wechselnde Bedingungen anzupassen.

Eine zuverlässige Objektverfolgung ist für die sichere Navigation in dynamischen Umgebungen unerlässlich. Das Innovationsteam arbeitet daran, um sicherzustellen, dass autonome Fahrzeuge und Roboter in komplexen Geländesituationen sicher und effektiv agieren können. Ein möglicher Anwendungsfall ist der autonome Bau, wo Roboter auf einer Baustelle um Arbeiter, Maschinen und andere Hindernisse herum navigieren müssen.

2. Robuste Bewegungssteuerung für schwieriges Gelände

Das Befahren von Gelände erfordert robuste Bewegungssteuerungssysteme, die mit einer Vielzahl von Geländebedingungen (harter Untergrund, Schlamm, Sand, hohe Vegetation, Felsen usw.) zurechtkommen. Unser Forschungs- und Entwicklungszentrum hat fortschrittliche Bewegungssteuerungssysteme für Geländefahrzeuge entwickelt, die auf detaillierten Modellierungen und Simulationen der Fahrzeugdynamik basieren.

Ihr Ansatz kombiniert modellbasierte Regelung mit fortschrittlichen Schätzverfahren, um eine präzise Spurführung und robuste Leistung in anspruchsvollem Gelände zu erzielen. Die Regelungssysteme sind so ausgelegt, dass sie Faktoren wie Reifenschlupf, Bodenreibung und Fahrzeugdynamik berücksichtigen, wodurch das Fahrzeug auch auf unebenem oder rutschigem Untergrund stabil bleibt und der gewünschten Spur folgt. Durch den Einsatz einer Kombination aus Vorwärts- und Rückkopplungsregelung kann das System Veränderungen in der Umgebung vorhersehen und darauf reagieren, wodurch eine gleichmäßige und präzise Bewegung gewährleistet wird.

Eine präzise Bewegungssteuerung ist unerlässlich, damit autonome Fahrzeuge sich sicher und effizient in anspruchsvollen Geländebedingungen fortbewegen können. Das Innovationsteam konzentriert sich darauf, damit autonome Roboter komplexe Manöver in unterschiedlichem Gelände ausführen können. Ein Anwendungsfall ist die autonome Zustellung, bei der Roboter unebenes Gelände überwinden müssen, um ihr Ziel zu erreichen.

3. Intelligente Routenplanung für optimierte landwirtschaftliche Abläufe

Eine effiziente Wegplanung ist entscheidend für die Optimierung landwirtschaftlicher Abläufe und die Maximierung der Produktivität. Die CCPP-Algorithmen (Complete Coverage Path Planning) wurden entwickelt, um effiziente und lückenlose Fahrwege für autonome Roboter in der Landwirtschaft zu generieren.

Der CCPP-Ansatz unseres Teams berücksichtigt verschiedene Faktoren wie Feldform, Hindernisse und Fahrzeugbeschränkungen, um die Betriebszeit und den Kraftstoffverbrauch zu minimieren. Die Algorithmen sind darauf ausgelegt, flüssige und durchgehende Fahrwege zu generieren, einschließlich effizienter Wendemanöver am Vorgewende, und stellen sicher, dass das gesamte Feld ohne unnötige Überlappungen oder Lücken abgedeckt wird. Durch die Kombination von Feldzerlegung, Wegsuche und Optimierungstechniken kann das System nahezu optimale Fahrwege für verschiedene landwirtschaftliche Aufgaben generieren.

Eine optimierte Wegplanung ist entscheidend für die Maximierung der Effizienz autonomer Agrarroboter. Das Team arbeitet daran, um Landwirten dabei zu helfen, Kosten zu senken und die Produktivität zu steigern. Ein Anwendungsfall ist das autonome Sprühen, bei dem Roboter das gesamte Feld präzise und effizient mit Pflanzenschutzmitteln oder Dünger behandeln müssen.

4. „Follow-Me“-Technologie für eine verbesserte Zusammenarbeit zwischen Mensch und Roboter

Eine nahtlose Zusammenarbeit zwischen Mensch und Roboter ist für viele Anwendungsbereiche von entscheidender Bedeutung, und das „Follow-Me“-System unseres Innovationsteams bietet eine intuitive und effiziente Möglichkeit für Menschen, mit autonomen Fahrzeugen zu interagieren. Diese Technologie ermöglicht es autonomen Fahrzeugen, einem menschlichen Bediener in unstrukturierten Umgebungen zu folgen, was eine freihändige Steuerung und eine verbesserte Effizienz ermöglicht.

Das „Follow-Me“-System nutzt Computer Vision und Deep Learning, um den Bediener zu erkennen, zu verfolgen und ihm zu folgen. Das System ist so konzipiert, dass es gegenüber Schwankungen der Lichtverhältnisse, unruhigen Hintergründen und Bewegungen des Bedieners unempfindlich ist. Durch die Kombination von Posenschätzung, Gestenerkennung und Gesichtserkennung kann das System den gewünschten Bediener selbst in überfüllten oder dynamischen Umgebungen präzise identifizieren und ihm folgen.

Die „Follow-Me“-Technologie vereinfacht die Interaktion zwischen Mensch und Roboter und eröffnet neue Möglichkeiten der Zusammenarbeit in verschiedenen Bereichen. Das Team entwickelt diese Technologie, um autonome Roboter benutzerfreundlicher zu gestalten und besser an die Bedürfnisse der Menschen anzupassen. Ein Anwendungsfall ist die Lagerlogistik, wo autonome Fahrzeuge den Mitarbeitern bei der Kommissionierung und Verpackung von Bestellungen folgen können, wodurch die Effizienz gesteigert und die körperliche Belastung der Mitarbeiter verringert wird.

5. Semantische Segmentierung für ein besseres Verständnis der Umgebung

Ein tieferes Verständnis der Umgebung ist für die autonome Navigation von entscheidender Bedeutung, und die semantische Segmentierung bietet hierfür ein leistungsstarkes Mittel. Das Team von Matthias nutzt die semantische Segmentierung, um autonomen Fahrzeugen ein detaillierteres Verständnis ihrer Umgebung zu vermitteln.

Indem jedes Pixel in einem Bild mit der entsprechenden Objektklasse (z. B. Himmel, Gras, Vegetation, Hindernis, Weg) gekennzeichnet wird, kann das Fahrzeug fundiertere Entscheidungen hinsichtlich Navigation und Wegplanung treffen. Diese Informationen können genutzt werden, um befahrbare Bereiche zu identifizieren, Hindernissen auszuweichen und sogar das Verhalten anderer Objekte in der Szene vorherzusagen. Ihr Ansatz nutzt Deep-Learning-Modelle, die für die Echtzeitleistung auf eingebetteten Plattformen optimiert sind, wodurch der Einsatz semantischer Segmentierung in ressourcenbeschränkten Umgebungen ermöglicht wird.

Die semantische Segmentierung ermöglicht ein umfassendes Verständnis der Umgebung und damit ausgefeiltere autonome Navigationsfunktionen. Unsere Experten arbeiten daran, um die Sicherheit und Zuverlässigkeit autonomer Fahrzeuge in komplexen und unstrukturierten Umgebungen zu verbessern. Ein Anwendungsfall ist das autonome Fahren im Gelände, wo das Fahrzeug zwischen verschiedenen Geländearten unterscheiden muss, um sichere und effiziente Routen zu planen.

Fazit

F&E-Plattformen sind für die Förderung von Innovationen im Bereich der autonomen Offroad-Fahrtechnik unverzichtbar. Sie bieten das Fachwissen, die Ressourcen und das kooperative Ökosystem, die erforderlich sind, um die komplexen Herausforderungen bei der Entwicklung robuster und zuverlässiger autonomer Systeme zu bewältigen. Durch die Zusammenarbeit mit einer F&E-Plattform wie der unseren können Unternehmen ihre Entwicklungszeiten verkürzen, Kosten senken und sich in diesem schnell wachsenden Markt einen Wettbewerbsvorteil verschaffen.

Sind Sie bereit, Ihren Offroad-Betrieb mit modernster autonomer Technologie zu revolutionieren?

Kontaktieren Sie noch heute unsere Experten, um zu erfahren, wie unser Fachwissen, unsere Ressourcen und unser kooperativer Ansatz Ihrem Unternehmen helfen können, neue Maßstäbe in Sachen Effizienz, Sicherheit und Produktivität zu setzen. Lassen Sie uns gemeinsam die Zukunft der autonomen Offroad-Fahrzeuge gestalten.