„Autonome Navigation im Freien ist besonders anspruchsvoll, weil ein Roboter nie mit einer vollständig bekannten und unveränderlichen Umgebung arbeitet.“
Autonome Roboter im Weingarten
Autonome Roboter müssen sich im Freien auch dann zuverlässig orientieren, wenn sich ihre Umgebung verändert. Durch wachsende Pflanzen sowie wechselnde Boden- und Lichtverhältnisse können Karten und aktuelle Sensordaten voneinander abweichen. Im FFG-Projekt SEASON-Twin erforscht JOANNEUM RESEARCH, wie saisonale und umweltbedingte Veränderungen bei der Navigation berücksichtigt werden können. Als Testfeld fungiert das Weingut „Auf der Leiten“ in Klagenfurt am Wörthersee. Projektpartner sind ARTI Robots und Alpenspirit. Laut ARTI könnten die Roboter den Weinbau etwa beim gezielten Besprühen der Reben, bei Mäharbeiten, beim Pflanzenmonitoring oder bei der Ernte unterstützen.
Digitaler Zwilling des Weinguts
Für den digitalen Zwilling erfasst das Team des Digital Twin Lab das Weingut zu verschiedenen Jahreszeiten mit portablen LiDAR-Rucksacksystemen und 360- Grad-Bildgebung. „LiDAR steht für ‚Light Detection and Ranging‘“, erklärt Projektleiter Markus Tauchhammer. Dabei werden Abstände mithilfe von Laserpulsen gemessen. Millionen Messpunkte ergeben dreidimensionale Punktwolken, die die Umgebung detailliert abbilden. Weitere Messungen sind geplant, um Veränderungen über das Jahr hinweg zu analysieren.
Für einen belastbaren digitalen Zwilling reiche es aber nicht, eine Umgebung einmal geometrisch möglichst genau zu erfassen. „Entscheidend ist, auch ihre zeitliche Veränderung strukturiert abzubilden. Wir wollen aus den 3D-Daten ableiten, welche Merkmale stabil bleiben, welche sich saisonal verändern und wie sich diese Unterschiede für Simulation und Navigation nutzbar machen lassen“, so Tauchhammer weiter.
Mehr als ein statisches Modell
Die 3D-Daten werden schließlich segmentiert, klassifiziert und annotiert. So können unterschiedliche Bereiche auch danach bewertet werden, mit welchem Aufwand beziehungsweise Risiko ein Roboter sie befahren kann. Ein weiterer Schwerpunkt von SEASONTwin ist die Modellierung und Quantifizierung von Unsicherheiten (Uncertainty Modelling). Untersucht wird, wie unterschiedliche Umweltzustände, Kartenund Sensordaten die Navigation beeinflussen.
„Autonome Navigation im Freien ist besonders anspruchsvoll, weil ein Roboter nie mit einer vollständig bekannten und unveränderlichen Umgebung arbeitet“, so Benjamin Breiling, Projektleiter bei JOANNEUM RESEARCH ROBOTICS. Ziel sei es, Unsicherheiten frühzeitig zu berücksichtigen und dadurch Lokalisierung und Pfadplanung robuster zu machen. Auf Basis des digitalen Zwillings lassen sich mithilfe generativer KI zudem virtuelle Testszenarien für unterschiedliche Umweltzustände entwickeln und erproben.
Von der Simulation in die Praxis
JOANNEUM RESEARCH koordiniert das Projekt SEASON-Twin, inhaltlich arbeiten dabei die Institute DIGITAL und ROBOTICS zusammen. Während das Digital Twin Lab von DIGITAL den virtuellen Zwilling und darauf basierende Testszenarien entwickelt, befasst sich JOANNEUM RESEARCH ROBOTICS mit Simulation, Unsicherheitsmodellierung sowie Risiko- und Performancebewertung. Die Methoden werden schließlich in ein autonomes Navigationssystem von ARTI integriert und real getestet. Die Erkenntnisse können auch für autonome Systeme in Landwirtschaft, Forstwirtschaft und Umweltmonitoring relevant sein.