idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
07.02.2014 16:02

Wie Roboter von Erfahrungen profitieren

Reinhard Karger M.A. DFKI Saarbrücken
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, DFKI

    TRADR – Long-Term Human-Robot Teaming for Robot Assisted Disaster Response

    Umgebungen von Industrie- oder Naturkatastrophen sind hoch dynamisch. Auf unübersichtlichen Werksgeländen treten brennbare Flüssigkeiten oder giftige Gase aus und führen zu lokalen Brandherden oder durch eine Explosion instabil gewordene Stückgutlager verrutschen vollends. In Hochwassergebieten erodieren Flussufer, Deiche werden unterspült, sperrige Güter werden von der Strömung mitgerissen und stranden. Die Exploration eines Katastrophengebiets ist nicht mit Beginn der Rettungsarbeiten abgeschlossen, sondern begleitet die Mission während ihrer gesamten Dauer.

    Im EU-Projekt TRADR (Long-Term Human-Robot Teaming for Robot Assisted Disaster Response) werden Technologien entwickelt, die gemischte Teams aus Menschen und Robotern bei Katastropheneinsätzen unterstützen. Ziel des Projekts ist es, das von den robotischen Teamplayern erworbene Erfahrungswissen zu speichern, zu verarbeiten und bei künftigen Einsätzen zu nutzen. Das Projekt hat eine Laufzeit von vier Jahren und ist im Januar 2014 mit einem Kick-off in Pisa gestartet.

    Während es das Gelände untersucht, entwickelt das gemischte Mensch-Roboter-Team nach und nach ein Verständnis des Katastrophengebiets, erledigt synchron und asynchron eine Vielzahl an Aufgaben und erstellt daraus ein Konzept über das optimale Vorgehen im betroffenen Gebiet.

    Ferngesteuert von einem sicheren Beobachtungsposten aus, erkunden unbemannte teilautonome Bodenroboter (UGV- Unmanned Ground Vehicle) in Einzelmissionen oder als Teams die Unglücksstelle, sammeln Material- und Gesteinsproben und bringen diese zum Kommandoposten zurück. Mit Laserscannern und omnidirektionalen Kameras erheben die Bodenroboter visuelle Daten ihrer direkten Umgebung. Mikrokopter (UAV – Unmanned Aerial Vehicle) liefern Aufnahmen aus der Vogelperspektive, aus denen Geländekarten erstellt werden und beobachten den Unglücksort während des gesamten Einsatzes. Das geschieht zeitversetzt und aus unterschiedlichen Blickwinkeln. Manche Aufnahmen bilden vielleicht dieselbe Stelle auf dem Unglücksgelände ab, aber nicht dieselbe Situation. Zusammengesetzt aus den Einzelbildern entsteht daraus ein möglichst lückenloses 3D-Modell der Gesamtsituation.

    Dazu werden die Sensorinformationen einzelner Roboter und unterschiedlicher Teams fusioniert, damit der Roboter sein Vorgehen an die veränderte Situation anpassen und unter Umständen sogar seine nächste Herausforderung antizipieren kann. Ein Roboter stellt seinem Teamkollegen sein Wissen zur Verfügung und hilft ihm so eine konkrete Herausforderung bewältigen zu können. So kann ein Bodenroboter z.B. die Luftaufnahme einer Drohne nutzen, um ein Hindernis auf seinem Weg zu überwinden. Das erworbene Know-how speichert er und fragt, wenn er wieder mit einem ähnlichen Hindernis konfrontiert ist, eine aktuelle Luftaufnahme der Drohne an.

    Forschungsziel von TRADR ist es, die Roboterteams in immer komplexeren Szenarien miteinander kollaborieren zu lassen. Im Lauf des Projekts soll die Anzahl der Explorationsfahrzeuge erhöht, der Informationsfluss ausgedehnt und die Kollaboration längere Einsätze und über größere Einsatzgebiete hinweg realisiert werden.

    TRADR basiert auf den Ergebnissen des NiFTI-Projekts (Natural Human-Robot Cooperation in Dynamic Environments). Das Projekt, bei dem die Kooperation von Mensch und Roboter bei Katastropheneinsätzen im Vordergrund stand, wurde im Januar 2014 beim Abschluss-Review in Prato, Italien von den Gutachtern hervorragend bewertet.

    TRADR wird von der Europäischen Union im 7. Forschungsrahmenprogramm gefördert. Unter Leitung des DFKI kooperieren zwölf Partner aus sechs Ländern:

    • Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI), Deutschland
    • Technische Universiteit Delft, Niederlande
    • Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., Deutschland
    • Kungliga Tekniska Hoegskolan, Schweden
    • Eidgenössische Technische Hochschule Zürich, Schweiz
    • TNO, Soesterberg, Niederlande
    • Ceske Vysoke Uceni Technicke v Praze, Tschechien
    • Universita degli studi di Roma La Sapienza, Italien
    • Ascending Technologies GmbH, Deutschland
    • Institut für Feuerwehr- und Rettungstechnologie (IFR) der Stadt Dortmund, Deutschland
    • Ministero dell'interno, Corpo Nazionale Vigli del Fuoco, Italien
    • Openbaar Lichaam Gezamenlijke Brandweer, Niederlande

    Kontakt:
    Dr. Ivana Kruijff-Korbayová
    Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
    Forschungsbereich Sprachtechnologie
    Campus D3 2
    66123 Saarbrücken
    E-Mail: Ivana.Kruijff-Korbayova@dfki.de
    Tel. +49 681 85775 5356
    www.dfki.de


    Weitere Informationen:

    http://www.tradr-project.eu
    http://www.nifti.eu


    Bilder

    Merkmale dieser Pressemitteilung:
    Journalisten
    Informationstechnik, Maschinenbau
    überregional
    Forschungs- / Wissenstransfer, Forschungsprojekte
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).