Veröffentlicht am
Dass Roboter den Überblick verlieren, wo sie sich befinden, ist ein seit langem bestehendes Problem, das als „Kidnapped Robot“-Problem bekannt ist. Forscher sagen jedoch, dass sie ein neues KI-System entwickelt haben, das bei der Lösung dieses Problems helfen könnte.
Ein Forschungsteam der Miguel-Hernández-Universität Elche in Spanien hat eine neue Lokalisierungsmethode für autonome Roboter entwickelt, die mithilfe der 3D-LiDAR-Technologie die Umgebung mit Laserimpulsen scannt und so eine kartenähnliche Darstellung der Umgebung erstellt.
Dadurch können Roboter ihre Position auch dann wiederherstellen, wenn sie bewegt, ausgeschaltet oder verschoben wurden, sagen die Forscher.
Zuverlässige und sichere Lokalisierung ist der Schlüssel für Servicerobotik, Logistikautomatisierung, Infrastrukturinspektion, Umweltüberwachung und autonome Fahrzeuge.
Viele autonome Roboter sind teilweise auf Satellitennavigationssysteme wie GPS angewiesen, aber diese Signale können in der Nähe von hohen Gebäuden schwach werden und funktionieren in Innenräumen oft nicht gut.
Die Forscher sagen, dass ihr System, bekannt als MCL-DLF (Monte Carlo Localization – Deep Local Feature), es Robotern ermöglicht, sich effektiver auf Onboard-Sensoren statt auf externe Infrastruktur zu verlassen.
Das System identifiziert zunächst einen allgemeinen Bereich, indem es große Strukturen wie Gebäude oder Vegetation erkennt. Anschließend wird die genaue Position des Roboters durch die Analyse kleinerer Details eingegrenzt. Dieser Prozess soll widerspiegeln, wie sich Menschen an unbekannten Orten orientieren.
„Das ähnelt der Art und Weise, wie Menschen zunächst einen allgemeinen Bereich erkennen und sich dann auf kleine Unterscheidungsdetails verlassen, um ihren genauen Standort zu bestimmen“, sagte Míriam Máximo, Hauptautorin der Studie und Forscherin an der Miguel Hernández-Universität in Elche.
Mithilfe von KI lernt das System, welche Umgebungsmerkmale für die Lokalisierung am nützlichsten sind, verwaltet mehrere mögliche Standortschätzungen gleichzeitig und aktualisiert sie kontinuierlich, wenn neue Sensordaten eintreffen.
Forscher sagen, dass dies dazu beiträgt, die Zuverlässigkeit zu verbessern, wenn die Umgebung ähnlich aussieht oder sich im Laufe der Zeit verändert hat.
Die Technologie wurde über mehrere Monate hinweg auf dem Universitätscampus unter wechselnden Bedingungen, unter anderem bei verschiedenen Jahreszeiten und Lichtverhältnissen, getestet.
Forscher sagen, dass das System im Vergleich zu herkömmlichen Ansätzen eine höhere Positionierungsgenauigkeit und eine konsistentere Leistung bei sich ändernden Umgebungsbedingungen von saisonalen Veränderungen bis hin zu Beleuchtungs- und Vegetationsveränderungen zeigte.
Das neue System könnte Robotern helfen, in realen Umgebungen, in denen die Bedingungen selten statisch sind, unabhängiger zu agieren.
