idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
03/11/2021 10:47

Fit für die Praxis: EU-Projekt optimiert mit Künstlicher Intelligenz die Umgebungswahrnehmung von Unterwasserrobotern

Andrea Fink DFKI Bremen
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, DFKI

    Ob in trüben Gewässern, beengten Schifftanks oder lichtarmen Höhlen – schlechte Sichtverhältnisse beeinträchtigen die Umgebungswahrnehmung autonomer Roboter enorm. Wie können sie dennoch sicher und zuverlässig operieren? Unter Leitung des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) arbeitet im neuen Projekt DeeperSense ein internationales Konsortium an Technologien, die mithilfe von Künstlicher Intelligenz die Stärken visueller und akustischer Sensoren kombinieren. In drei Use Cases aus dem maritimen Bereich soll so die Wahrnehmung robotischer Unterwasserfahrzeuge deutlich verbessert werden. Das Vorhaben wird von der Europäischen Union (EU) mit rund 3 Mio. Euro gefördert.

    Die Einsatzmöglichkeiten robotischer Systeme sind zahlreich. Jedoch fehlt es in der Praxis oft an funktionsfähigen Technologien, mit denen Roboter auch komplexe Umgebungen umfassend wahrnehmen können. Visuelle Sensoren wie z.B. Kameras, die in der Robotik für Aufgaben wie autonome Navigation, Manipulation, Kartierung und Objekterkennung eingesetzt werden, liefern detaillierte Informationen über die Umgebung. Ihre Leistung hängt jedoch stark von den vorherrschenden Licht- und Sichtbedingungen ab. Demgegenüber sind akustische Sensoren zur Entfernungsmessung von den Sichtverhältnissen unabhängig. Auch sie generieren bildähnliche Daten, jedoch mit einer deutlich geringeren Auflösung als Kameras. Zudem ist ihre Funktionalität im Nahbereich stark eingeschränkt.

    Intelligente Technologien für praxistaugliche Robotersysteme in komplexen Umgebungen

    Hier setzt das am 1. Januar 2021 gestartete Projekt DeeperSense (Deep-Learning for Multimodal Sensor Fusion) an. Das übergreifende Ziel des im Rahmen des EU-Forschungsrahmenprogramms Horizont 2020 geförderten Vorhabens ist es, die Umgebungswahrnehmung von Servicerobotern vor allem in komplexen und unstrukturierten Umgebungen wie dem Unterwasserbereich signifikant zu verbessern. Dafür verfolgt das Projekt einen innovativen Ansatz: Durch Künstliche Intelligenz (KI), insbesondere Deep-Learning als datengetriebene Methode des Maschinellen Lernens, will es die Stärken nicht-visueller und visueller Sensoren miteinander kombinieren, um so deren Fähigkeiten zur Umgebungswahrnehmung über die Fähigkeiten der einzelnen Sensoren hinaus zu optimieren. Dies soll nicht nur die Leistung und Zuverlässigkeit autonomer Systeme deutlich erhöhen, sondern auch neue Funktionalitäten und Anwendungen für die Robotik erschließen.

    Das DeeperSense-Konzept wird in drei Use-Cases aus dem sensorisch besonders anspruchsvollen Unterwasserbereich demonstriert: der Taucherüberwachung in trüben Gewässern, der Exploration von Korallenriffen und der Meeresboden-Kartierung. Dafür vereint das Projektkonsortium führende Experten auf den Gebieten Maritime Robotik, Künstliche Intelligenz und Unterwasser-Sensorik – das DFKI Robotics Innovation Center, die Universität Girona, die Universität Haifa und die Kraken Robotik GmbH – mit Endnutzern aus den drei Anwendungsbereichen – dem Technischen Hilfswerk (THW), der Israel Nature and Parks Authority und Tecnoambiente SL.

    Intersensorisches Lernen für verbesserte Umgebungswahrnehmung in Unterwasseranwendungen

    DeeperSense basiert auf dem übergreifenden Konzept des intersensorischen Lernens, bei dem eine Sensormodalität B von einer Sensormodalität A lernt. Auf diese Weise kann Sensor B eine Ausgabe liefern, die der von Sensor A ähnlich ist – sowohl in Bezug auf die Genauigkeit als auch auf die Art der Ausgabe und die Interpretation der Daten. Dazu beobachten Sensor A, z.B. eine Kamera, und Sensor B, z.B. ein Sonar, zeitgleich dieselbe Szenerie. Die gesammelten Sonardaten mit geringer Auflösung dienen einem künstlichen neuronalen Netz als Input, die hochaufgelösten Kameradaten als Output. Durch die schrittweise Anpassung des Netzes zum gewünschten Output lernt es die Beziehungen zwischen den Eingangs- und den Ausgangsdaten. Das Ergebnis ist ein Algorithmus, der – sobald er ausreichend trainiert ist – in der Lage ist, ein kameraähnliches Bild nur auf Grundlage der geringaufgelösten Sonardaten zu generieren. Im Projekt soll dieses Konzept in drei Kernalgorithmen realisiert werden, welche die spezifischen Anforderungen der Use Cases erfüllen.

    Im ersten Use Case wird ein autonomes Unterwasserfahrzeug (AUV) eingesetzt, um Tauchende bei der Arbeit in trübem Gewässer zu überwachen. Üblicherweise übernimmt diese Aufgabe ein ferngesteuerter Roboter mit Kamera, der seine Daten an eine Kontrollstation übermittelt. Da optische Sensoren unter Wasser jedoch nur von eingeschränktem Nutzen sind, statten die Projektpartner das AUV zusätzlich mit einem Sonarsensor aus. Diesem wollen sie in DeeperSense beibringen, kameraähnliche Bilder zu liefern, die sich leicht vom menschlichen Personal der Kontrollstation interpretieren lassen.

    Der zweite Use Case befasst sich mit der robotischen Erkundung komplexer und empfindlicher Unterwasserstrukturen wie Korallenriffen. Um detaillierte Umgebungskarten für eine verlässliche Hinderniserkennung erstellen zu können, setzt das Projekt auf die Kombination visueller und akustischer Sensoren. Die Herausforderung liegt hierbei im Abgleich der voneinander abweichenden Bildperspektiven. Dafür muss der zu entwickelnde Algorithmus in der Lage sein, in den Daten des einen Sensors identifizierte Objekte in denen des anderen wieder zu erkennen. So soll es einem autonomen Roboter in Zukunft möglich sein, durch ein Korallenriff hindurch zu navigieren anstatt nur darüber hinweg.

    Nicht zuletzt wollen die Partner im dritten Use Case ein AUV dazu befähigen, präzise Karten des Meeresbodens anzufertigen. Noch werden diese Vermessungen kostspielig mithilfe von Schiffen durchgeführt. Kameras liefern hierbei ergänzende Informationen, die der Verifikation akustischer Daten dienen. In der Dunkelheit tiefer Gewässer ist dieses Verfahren jedoch nicht praktikabel. Aus diesem Grund soll das im Projekt eingesetzte AUV ausschließlich auf Basis akustischer Daten Sedimente am Meeresgrund klassifizieren. Dafür lernen die Sensoren mithilfe des DeeperSense-Konzepts ebenso detaillierte Karten verschiedener Meeresbodentypen zu erstellen, wie dies mit Kameras bei guten Sichtverhältnissen möglich wäre.

    Algorithmenentwicklung und -optimierung im Labor und unter realen Bedingungen

    Während des Projekts generieren die Partner umfassende Trainingsdaten für die drei Use Cases. Die Algorithmen werden mithilfe dieser Daten trainiert und sowohl im Labor als auch in umfangreichen Feldversuchen – u.a. in Binnengewässern, im Mittelmeer und im Roten Meer – unter realen Bedingungen getestet. Schließlich sollen die trainierten Algorithmen für den On-Board-Einsatz von Unterwasserfahrzeugen optimiert werden, um eine Echtzeitausführung zur Unterstützung des autonomen Roboterverhaltens zu ermöglichen. Die Ergebnisse will das Konsortium in Online-Repositorien, die in europäische Forschungsinfrastrukturen eingebettet sind, der Robotik-Community zugänglich machen.

    Dieses Projekt wurde mit Mitteln aus dem Forschungs- und Innovationsprogramm Horizont 2020 der Europäischen Union unter der Fördervereinbarung Nr. 101016958 gefördert.

    Bildmaterial:
    Unter https://cloud.dfki.de/owncloud/index.php/s/QqzSewNwkL76tqp steht Bildmaterial zum Download bereit. Dieses können Sie mit Nennung des Copyrights gerne verwenden.

    Kontakt:
    Dr. Thomas Vögele
    Gesamtkoordinator DeeperSense
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
    Robotics Innovation Center
    E-Mail: Thomas.Voegele@dfki.de
    Telefon: +49(0)421 17845 4130

    Dr. Bilal Wehbe
    DFKI-Projektleiter DeeperSense
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
    Robotics Innovation Center
    E-Mail: Bilal.Wehbe@dfki.de
    Telefon: +49(0)421 17845 4168

    DFKI-Pressekontakt:
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
    Team Unternehmenskommunikation Bremen/Niedersachsen
    E-Mail: uk-hb@dfki.de
    Telefon: +49(0)421 178 45 4180


    Images

    DeeperSense ermöglicht die Meeresboden-Kartierung durch ein AUV nur auf Basis akustischer Daten
    DeeperSense ermöglicht die Meeresboden-Kartierung durch ein AUV nur auf Basis akustischer Daten

    your123 - stock.adobe.com / AndSus - stock.adobe.com


    Attachment
    attachment icon DeeperSense-Konzept

    Criteria of this press release:
    Journalists
    Electrical engineering, Environment / ecology, Information technology, Oceanology / climate
    transregional, national
    Cooperation agreements, Research projects
    German


     

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).