Autonome Mobile Systeme 1994

Um Rohrleitungen zu inspizieren und zu reparieren, werden bereits erfolgreich ferngesteuerte Roboter eingesetzt. In komplizierten Rohr- oder Schachtsystemen kommen diese Roboter jedoch an ihre Grenzen. Dieser Artikel beschreibt die Simulation und das derzeit entstehende Testbett eines autonomen Roboters, der sich mit acht Beinen einspreizt und so durch senkrechte und komplex geformte Hohlräume klettern kann. Er verwendet dabei nur taktile Sensoren, um die ihm unbekannte Welt zu ertasten. Die Roboterbewegungen können von der Steuerung wegen der fehlenden Information über die Rohrform nicht im voraus geplant werden. Stattdessen stützt sich die Steuerung so weit wie möglich auf reflexartige und reaktive Verhaltensweisen.

Ohne die Auswahl geeigneter Reaktionen auf Hindernisse kann eine Laufmaschine sich in unbekannter Umgebung autonom nicht bewegen. In diesem Beitrag wird vorgestellt, wie diese Aufgabe mittels Laserabstandssensoren und Neuronaler Netze, die ihre Struktur während des Betriebs der Laufmaschine verändern können, gelöst werden kann.Die Modifikation erfolgt aufgrund schlechter Erfahrungen. Ziel ist es, ohne Vorwissen zu beginnen und im Laufe des Betriebs Wissen über erfolgversprechende Reaktionen zu sammeln. Ein Bewegungsziel ist dabei nicht vorgegeben.

Zur erfolgreichen Missionsausführung müssen autonome mobile Systeme mit einem Sensorsystem zur dreidimensionalen Erfassung der Umgebungsgeometrie ausgerüstet sein. Bei landgestützen Fahrzeugen werden hierfür überwiegend Stereokameras oder Laserscanner eingesetzt. Zur Führung von Unterwassersystemen eignen sich rein optisch arbeitende Sensoren jedoch nur bedingt, da hier häufig schlechte Sicht und Lichtverhältnisse herrschen. In diesem Beitrag wird ein kombiniertes System aus Unterwasservideokamera und Scanning-Sonar vorgestellt. Beide Sensoren liefern eine zweidimensionale Projektion der dreidimensionalen Szene. Durch die Fusion beider Sensordaten wird die Rekonstruktion der Umgebungsgeometrie möglich.

Im folgenden wird ein autonom fliegender Roboter vorgestellt, der auf dem Boden liegende Scheiben aufsammeln soll, deren Lage im voraus nicht vollständig bekannt ist. Die Steuerung des Fluggeräts setzt die Verarbeitung einer Vielzahl von Sensordaten voraus. Zu diesem Zweck wurde ein massiv parallel arbeitendes Netz von Steuerungsrechnern entwickelt, das im Mittelpunkt des Beitrags steht. Die äußerst komplexe Steuerung des Roboters wird durch den Einsatz mehrerer unscharfer Regler möglich, auf deren Wirkungsweise ebenfalls eingegangen wird.

Es wird eine allgemeine Methode zur Konstruktion eines modellbasierten Navigationssystems angegeben. Das System beruht auf einem Kaimanfilter und kann mit einer nahezu beliebigen Kombination aus absoluten und relativen Sensoren ausgerüstet werden. Für die Sensorkombination Inkrementgeber, Laserradar und Kreisel wurde das Verfahren praktisch realisiert. Es zeichnet sich durch Robustheit und garantierte Echtzeitfähigkeit unabhängig von der Umweltmodellgröße aus.

Eines der Probleme autonomer mobiler Systeme ist die schritthaltende Bestimmung von Position und Orientierung. Dieses Problem wird meist durch Koppelnavigation gelöst, indem aus den zurückgelegten Radumdrehungen oder der Anzahl der Schritte und der zugehörigen Schrittweite auf die zurückgelegte Strecke und die Orientierungsänderung geschlossen wird. Bei diesem Verfahren werden jedoch Drift-Fehler akkumuliert, da jeder Schlupf zu Fehlmessungen vonWinkel und Entfernung, und damit über größere Entfernungen zu erheblichen Positionsfehlern führen kann.Hier wird nun ein Verfahren vorgestellt, das es erlaubt nahezu unabhängig von der Odo-metrie die aufgetretene Translation und Rotation zu bestimmen. Um dies zu ereichen, wird ein rotierender Entfernungsmesser, wie zum Beispiel ein Infrarot- oder Laserradar, benutzt. Mit Hilfe der aufgenommen Radarscans kann nun Translation und Rotation bestimmt werden, indem zwei Radaraufnahmen von verschiedenen Aufnahmepunkten mit Hilfe der Kreuzkorrelation zur Deckung gebracht werden.

Im vorliegenden Beitrag wird ein korrelativ optisches Geschwindigkeitsmeßverfahren unter Verwendung einer CCD-Kamera als Sensor vorgestellt. Es ermöglicht die Erfassung der translatorischen und rotatorischen Geschwindigkeitskomponenten einer ebenen Bewegung und basiert auf dem Konzept einer modellgestützten Bildfolgenanalyse. Die Kopplung zwischen dem Bewegungsmodell und dem Bildverarbeitungsmodul erfolgt durch einen Kaiman-Filter Algorithmus. Dieses Gesamtkonzept wird anhand des kinematischen Modells eines Flurförderzeuges erläutert und in seinen Einsatzmöglichkeiten für die Messung des Geschwindigkeitsvektors dieser Fahrzeuge bzw. für Koppelnavigationsaufgaben diskutiert. Die Ergebnisse experimenteller Untersuchungen vervollständigen die Ausführungen.

Im Projekt AMOS (Autonome Mobile Systeme) werden grundsätzliche Fragestellungen zur durchgängigen Integration symbolischer und subsymbolischer Formen der Informationsverarbeitung am Beispiel eines mobilen Robotersystems untersucht.Dieses soll in die Lage versetzt werden, selbständig ein Modell der Umwelt aufzubauen und zu nutzen, um in relativ unstrukturierter Umgebung autonom agieren und für die Aufgabenausführung selbständig bedeutsame Begriffe bilden zu können [6] [11].Hierzu werden vom Roboter bedeutsame Abweichungen zwischen Erwartungshaltung und aktueller Umwelterfahrung Planzusammenbrüche) detektiert und lokalisiert (Region of Interest, ROI), um Hinweise auf Situationen zu generieren, die für seine Aufgabenausführung interessant scheinen [10].Diese Hinweise können als Grundlage für eine anschließende gerichtete Wahrnehmung genutzt werden. Sie führen dazu, daß im Bereich der Region of Interest — im Sinne der Aufgabendurchführung des Roboters — positive und negative Fallbeispiele durch geeignete Sensorik aufgenommen und gesammelt werden. Diese Beispiele dienen zum Training eines Klassifikators.Während der weiteren Aufgabenausführung des Roboters kann der Klassifikator für einen neuen Sensoreindruck feststellen, ob dieser einer bereits bekannten Situationsklasse zugeordnet werden kann, um in der aktuellen Situation auf bereits früher gemachte Erfahrungen verweisen zu können.In diesem Artikel werden Ergebnisse der automatischen Situationsselektion und Bildaufnahme sowie der Klassifikation vorgestellt. Detaillierte Darstellungen der Architektur und der Klassifikationsmechanismen finden sich in [10] und [5].

Autonome mobile Systeme benötigen zur Navigation in unbekannter Umgebung leistungsfähige Sensoren, die den Abstand des Fahrzeugs zu Hindernissen, Landmarken und anderen Objekten der Roboterumgebung ermitteln. Dieses Papier beschreibt ein robustes und schnelles System zur Generierung von Abstandsdaten, das auf dem Prinzip des axialen Motion Stereo beruht. Bei mobilen Robotern treten durch den Schlupf der Räder Abweichungen (Drift) zwischen der geplanten und der tatsächlich gefahrenen Bahn auf. Das entwickelte Verfahren reagiert robust auf Ungenauigkeiten in der Bewegung des Fahrzeugs und erlaubt die Schätzung der Kameraorientierung sowie der Verschiebung des Roboters. Die Entfernungsmessung beruht auf der Methode der optischen Triangulation. Das zentrale Problem des Motion Stereo ist die Zuordnung gleicher Bildelemente einer Bildfolge (Korrespondenzproblem) und die Bestimmung der Verschiebungsvektoren. Als Merkmale werden Ecken von Objekten verwendet, wobei eine pixelorientierte Merkmalsextraktion zum Einsatz kommt. Das Korrespondenzproblem wird durch Korrelation der Umgebung der detektierten Objektecken gelöst.

Dieser Beitrag stellt einen rein auf Videosensorik beruhenden Ansatz zur robusten Erkennung von a priori bekannten Objekten vor. Unter Erkennung wird hierbei die Identifikation des Objekts und die Bestimmung seiner räumlichen Lage relativ zur Kamera verstanden. Die Flexibilität des Ansatzes ergibt sich aus der Art der Modellierung. Es werden CAD-Modelle von Objekten verwendet, die für die Erkennung von Objekten in Videobildern geeignet transformiert wurden. Mit dem vorgestellten Ansatz der Einzelobjekterkennung lassen sich Aufgaben eines autonomen, mobilen Systems wie die exakte Bestimmung von Position und Orientierung zum Greifen von Werkstücken ebenso wie die Erkennung eines Hindernisses durchführen.

Unter einer Vielzahl von Sensortechnologien sind mobile Visionsysteme in der Lage, ihre Beziehung und Orientierung bezüglich ihrer Umgebung aus Bildsequenzen abzuleiten. In diesem Beitrag präsentieren wir einen Algorithmus/Methode, um für mono- bzw. binokulare visionbasierte mobile Systeme die Sensororientierungen aus Bildsequenzen zu bestimmen. In zwei praktischen Tests wird die Datenakquisition, die Extraktion charakteristischer Punkte in den Bildern, sowie das Tracking und Matching dieser Punkte entlang der Sequenz beschrieben. Die Bestimmung der Sensorpositionen erfolgt durch sequentielle Schätzungen basierend auf Givens Transformationen. Voraussetzung für genaue 3-D Positionierungen sind präzise und zuverlässige Kalibrierungen der Visionsysteme. Die Resultate der Kamerakalibrierungen und der Sensororientierungen für zwei praktische Beispiele werden präsentiert.

In diesem Beitrag wird ein neuer Interpretationsansatz für die fahrerunterstützende Verkehrsszenenanalyse bei Eigenbewegung vorgestellt. Mit diesem lassen sich die Straße und Fahrzeuge robust gegenüber wechselnder Beleuchtung und Verkehr auf oder neben der Straße echtzeitfähig analysieren. Fahrzeuge können hierbei bis zu 50% verdeckt sein. Die Laufzeiteffizienz und Robustheit beruht auf einem kognitiven Modell, welches die Interaktion von Objekterkennung, Objektverfolgung und Aufmerksamkeitssteuerung beschreibt. Zur Objekterkennung werden Modelle verwendet, die konkurrierende Objekthypothesen in Raum und Zeit, basierend auf Fuzzy-Logik, analysieren. Das entstandene System MOSAIK wurde an typischen Land- und Autobahnszenen getestet, wobei die Beleuchtungsverhältnisse stark differierten.

Mobile Manipulation bezeichnet den koordinierten Einsatz von Mobilität und Manipulation zur Erweiterung des Arbeitsraumes eines Manipulatorsystems. Die bislang bekannten Ansätze zur mobilen Manipulation eignen sich ausschließlich für die Anwendung auf mobile Systeme, welche mit nur einem Arm ausgestattet sind. Fortgeschrittene Handhabungs- und Montageaufgaben verlangen jedoch häufig den Einsatz eines Mehrarm-, in der Regel Zweiarm-Manipulatorsystems. In diesem Artikel soll zunächst erörtert werden, weshalb die bereits bekannten Ansätze nur auf Einarm-Systeme anwendbar sind. Dann wird ein neuer Ansatz vorgestellt, der die Unterstützung mehrerer Manipulatoren erlaubt und für den Einsatz in einem autonomen Robotersystem geeignet ist. Abschließend zeigt ein Experiment die Anwendung des entwickelten Verfahrens auf einen mobilen Zweiarm-Roboter.

Als Anwendungbeispiel für lernfähige und adaptive Systeme wird die verhaltensorientierte Steuerung eines — zunächst simulierten — Hand/Auge-Systems vorgestellt, das mit einem Paar von mehrachsigen Knickarm-Robotern ad hoc gestellte Handhabungsaufgaben in Realzeit löst. Die Arme bewegen sich in einer offenen, mit Hindernissen besetzten 3-dimensionalen Umgebung nach den Vorgaben einer dynamischen Bahnplanung im Arbeitsraum. Schrittweite der Bewegung und Kontrollzyklus des Systems sind so gewählt, daß Maßnahmen zur Kollisionsvermeidung erst bei Ausführung der Bewegungen erforderlich sind. Erfolgreiche Bewegungen lernt das System, indem es deren Beschreibungen so speichert, daß sie bei ähnlichen Aufträgen wiederverwendet werden können. Ungelernten Bewegungen liegt eine iterative IDK-Heuristik (Inverse Differentielle Kinematik) zugrunde.

Autonome mobile Handhabungssysteme müssen in der Lage sein, globale Auftragsvorgaben selbständig in umgebungsabhängige Teilschritte umzusetzen und auszuführen. In diesem Beitrag wird die Aufgabentransformation und Aufgabenplanung innerhalb der Systemsteuerung eines autonomen mobilen Handhabungssystems betrachtet. Um die Komplexität der Verarbeitungsalgorithmen zu minimieren, werden die Aufträge in einem Transformationsschritt in elementare Teilschritte (sog. Elementaraufträge) aufgespalten, für die allgemein verwendbare Bearbeitungsalgorithmen vorhanden sind. Die Abarbeitungsreihenfolge wird anhand von lokalen Optimierungsgrößen (z.B. des maximalen Auftragsdurchsatzes) sowie anhand der während der Planung abzustimmenden Zeiten für Kooperationen mit anderen Systemen optimiert.Ziel ist ein größtmöglicher Autonomiegrad des mobilen Handhabungssystems in einer Fertigungsumgebung. Darin soll sowohl mit nichtautonomen Systemen (wie z.B. einer Fertigungszelle), als auch mit autonomen Systemen (wie anderen mobilen Handhabungs- und Transportsystemen) zusammengearbeitet werden. Um auch anderen Systemen die Planung ihrer Auftragsbearbeitungen zu ermöglichen, ist ein Reservierungssystem in die Systemsteuerung des autonomen mobilen Handhabungssystems integriert. Damit werden die Bearbeitungszeiten für eine kooperierende Auftragsbehandlung abgestimmt. Mögliche Überschneidungen bei der Terminplanung werden auf diese Weise frühzeitig erkannt, so daß unnötige Wartezeiten vermieden werden.

Das hier vorgestellte Verfahren glättet und verkürzt die Bewegung eines Roboters iterativ mit einfachen lokalen geometrischen Operatoren. Der sehr schnelle Algorithmus wendet zu jedem Zeitpunkt die Optimierungsoperation an, deren Verhältnis von aufzuwendender Zeit (für die Optimierung) zu eingesparter Zeit (für die Ausführung der Bewegung) minimal ist. Dies kann benutzt werden, um mit vorgegebener Rechenzeit die bestmögliche Bahn zu berechnen oder die Summe von Optimierungsund Fahrzeit zu minimieren. Diese Anforderungen treten speziell in interaktiven oder autonomen Anwendungen auf, wo mehr Wert auf kurze Rechenzeit gelegt wird, als auf die Länge der Fahrzeit oder Qualität der Bahn. Einige beispielhafte Umgebungen — sowohl mit vielen Hindernissen, als auch mit sperriger Last — lassen die Leistungsfähigkeit und Nützlichkeit des neuen Algorithmus deutlich werden.

This article describes a testbed for the design of multi-agent systems that has been developed at DFKI. Starting from a description of the underlying conceptual agent model InteRRaP and the development environment MAGSY, two applications are presented that have been implemented in our testbed: the MARS application models a group of cooperating transportation companies; the FORKS system, a robotics application, simulates an automated loading dock.

This paper deals with a cellular control architecture and the implementation of reactive algorithms on it. Two examples reveal that, to extend a behaviour-based architecture by equipping it with additional reactive algorithms, the arbitration, otherwise action selection, problem has to be redefined in terms of the interaction laws of the algorithms involved. The principles of modularisation and compositionality are proposed as necessary guidelines for reconfigurability. Modularisation refers to the separation of the algorithms from the action selection components and compositionality expresses the concern for modelling the interactions between individual activities. This way, two composition levels are necessary: one at the individual task arousal system and one at the actuators level. For a task considered, the right behavioural grain of activity is the one that minimises those compositionality needs.

A current project at the Institute of Robotics, Swiss Federal Institute of Technology is working towards the goal of distributing internal mail in a new office building. As a part of this effort we have investigated new methods in navigation and localisation of mobile robots. The preliminary results hereof are presented in this paper.A mobile robot experimental platform suited for an office environment has been constructed. A picture of the platform can be seen in figure 1. This robot, intended for research into sensing and control for distribution applications, is equipped with a high performance embedded processor and a variety of sensors. One of the most important sensors is a scanned laser range finder. The performance of this sensor is discussed later in this paper, as are algorithms that exploit this sensor data for localisation and local navigation. Several algorithms for local navigation have been implemented on the robot, this paper will discuss one of these based on a new neural network architecture. Finally test-results from applying these algorithm on the real robot platform (using the embedded computer) and real sensor data are presented.

Wegen der starken Nichtlinearität der Problemstellung ist die Entwicklung eines Steuerungsgesetz für lokale Fahrmanöver autonomer Fahrzeuge mit klassischen Methoden oft recht aufwendig. Im vorliegenden Beitrag werden deshalb die prinzipiellen Möglichkeiten der Vorgehensweise zum Entwurf eines auf künstlichen neuronalen Netzen (KNN) basierenden Lenkreglers für das automatische Einparken aufgezeigt, und Kriterien für seine erfolgreiche Anwendung herausgearbeitet. Zur Synthese des Reglers werden in der Vorführphase Trajektorien durch einen Experten vorgefahren, welche die angewandte Lenkstrategie implizit beschreiben. Mit Hilfe von dabei aufgenommenen CCD-Kamera-Bildern und des Fahrzeug-Lenkwinkels wird ein KNN so trainiert, daß es die vom Experten verfolgte Steuerungs Strategie reproduziert und verallgemeinert. Dadurch wird ohne explizite Modellbildung ein neuronaler Einparkregler synthetisiert, der die gewünschte hochkomplexe Regelungsfunktion unter Berücksichtigung kinematischer und kinetischer Beschränkungen des Fahrzeugs approximiert. Die praktische Anwendbarkeit der Vorgehensweise wird durch experimentelle Validierung mit dem Roboterfahrzeug MACROBE belegt.

Automatisches Einparken ist auch unter Laborbedingungen eine komplexe Aufgabe. Dieser Beitrag beschreibt ein Fahrzeug, das seine Umgebung mit Hilfe zahlreicher Ultraschallsensoren erkundet, nach Parklücken verschiedener Typen sucht und selbständig in einer gefundenen Lücke einparkt. Zur Bewegungssteuerung verwendet es eine Kombination aus modeil- und sensorgestützten Verfahren und kann damit seine Erkundungsfahrt gezielt der Umgebung anpassen, Hindernissen ausweichen und seine Parkposition abgleichen. Die Fähigkeiten des Fahrzeugs werden durch zahlreiche Experimente demonstriert.

Der vorliegende Arbeit beschreibt ein Multisensorsystem für ein mobiles Roboterfahrzeug. Die Information der Sensorik dient verschiedenen Zwecken. Ein rechtzeitiges Erkennen von Hindernissen im Bewegungsbereich erhöht die Sicherheit und Effizienz des Einsatzes. Ungenaue Fahrbewegungen werden anhand von beobachteten Objekten und Objektstrukturen, deren Position bekannt sind, korrigiert. Um sich Veränderungen der Einsatzumgebung anzupassen, wird ein geometrisches Umweltmodell kontinuierlich aktualisiert. Die Beschreibung und die Position bekannter Hindernisse werden direkt korrigiert, während ein neues Hindernis mit Hilfe eines auf Wahrscheinlichkeitsgittern basierenden Ansatzes zur Datenfusion kartographiert wird, bis eine ausreichend genaue Beschreibung des Objektes vorliegt.Ultraschallsensoren und ein Stereo-Sichtsystem werden übergreifend für die kooperative Bearbeitung der beschriebenen Aufgaben eingesetzt. Beide Sensorsysteme bieten Steuerparameter, die es ermöglichen, gezielt Information in Abhängigkeit von der jeweiligen Situation und Aufgabe aufzunehmen. Beschrieben wird ein programmierbares Ultraschallsystem, bei dem Sensoren sowohl als isolierte Sende/Empfangseinrichtung als auch im Stereo-Verfahren eingesetzt werden. Das mit einer Echtzeit-Bildverarbeitung gekoppelte Stereo-Sichtsystem ist mit 8 motorisch verstellbaren optischen und mechanischen Freiheitsgraden ausgestattet.Der Einsatz der Sensorik wird dynamisch geplant. Dieser Prozeß hat zur Aufgabe, die Aktionen der Sensorik und des Fahrzeuges selbst in Abhängigkeit von der Kapazität der verwendeten Sensorik und den aufgenommenen Umweltdaten zu bestimmen. Durch diese dynamische Abhängigkeit zwischen Aktion und Wahrnehmung wird eine flexiblere Interaktion des Fahrzeuges mit dessen Umgebung erreicht

Produktionsplanung und -Steuerung ist eine große Herausforderung für Techniken der KI und insbesondere der VKI, da die zu dabei zu lösenden Aufgaben wegen der enormen Komplexität moderner, flexibler Fertigungsanlagen, sowie der hochgradig dynamischen Abläufe beim Zusammenspiel der unterschiedlichen Einzelkomponenten sehr anspruchsvoll sind.In diesem Artikel stellen wir exemplarisch anhand eines verteilten, verhandlungsba-sierten Planungsverfahren dar, welchen Einfluß der den einzelnen Agenten zur Verfügung gestellte Handlungsspielraum auf die erzielten Planungsergebnisse hat. Dazu werden entsprechende Experimente vorgestellt, die auf einem Workstationnetz durchgeführt wurden, auf dem dieses Planungsverfahren realisiert wurde.

In diesem Beitrag wird die interne Struktur und die Kooperation eines Systems von drei mobilen Robotern vorgestellt. Die einzelnen Fahrzeuge sind über Funk mit den Steurrechnern verbunden. Sie können sich somit frei bewegen und haben lokal nur soviel Rechnerleistung an „Bord“ wie es notwendig ist. Die Steuerung dieser Roboter wird durch einen massiv parallelen Rechner (MasPar) und durch ein Cluster von Sun-Workstations durchgeführt. Dies ist eine parallele und verteilte Robotersteuerung, wie es der Institutsausrichtung entspricht.Die geplanten Anwendungen dieser Robotergruppe liegen im Bereich des Transportes in Fertigungsumgebungen und im Straßenverkehr. Daher werden in der jetzigen Anfangsphase hier vor allem die Kooperation für gemeinsame Konvoifahrten und die abgestimmte Auswertung von Ultraschalldaten beschrieben. Mit den Arbeiten zur wechselseitigen visuellen Unterstützung beim Andocken und Greifen wurde begonnen.

In diesem Beitrag wird eine auf die spezifischen Anforderungen des Benutzers abgestimmte Wegplanung sowohl für omnidirektionale als auch kinematisch beschränkte Rollstühle vorgestellt. Dabei wird die Güte des geplanten Weges nicht nur durch die Kollisionsfreiheit sowie die Länge des Pfades bestimmt, sondern auf Grund der speziellen Anwendung im Bereich der Rehabilitation auch durch zusätzliche Kriterien beeinflußt, die auf eine höhere Benutzerakzeptanz des geplanten Weges abzielen. Grundlage für eine derartige benutzerspezifische Wegfindung, die in einem drei-dimensionalen Konfigurationsraum durchgeführt wird, bildet ein Bewertungsmodell, mit dessen Hilfe das gewünschte Fahrverhalten bestimmt werden kann.

Ein großer Teil der Information über die Umgebung eines fahrenden Fahrzeuges ist in Bildfolgen enthalten, die mit einer fahrzeugstationären Kamera aufgenommen werden. Mit der zuverlässigen Schätzung des optischen Flusses aus Bildfolgen kann die Relativbewegung zwischen einer fahrzeugfesten Kamera und der aufgenommenen Szene bestimmt werden. Optische Fluß-Vektoren enthalten darüber hinaus Informationen über die räumliche Struktur der aufgenommenen Szene.In diesem Beitrag präsentieren wir eine Implementation eines Ansatzes zur De-tektion von Hindernissen und bewegten Objekten auf der Fahrbahn eines fahrenden Fahrzeugs. Die Detektion basiert auf der Auswertung von optischen Fluß-Vektoren, die mit einem lokalen, analytischen Ansatz berechnet werden. Die dazu benötigten Orts-Zeit-Ableitungen werden im Video-Takt mit unserem Bildfolgenauswertesystem MiniVISTA berechnet und nach Passieren eines Strukturtests an ein Transputernetzwerk zur weiteren Auswertung übertragen. Ergebnisse werden anhand je einer Bildfolge dargestellt, die aus unseren Experimentierfahrzeugen DB 609D und BMW 735 iL aufgenommen worden sind.

Bekannte Selbstlokalisierungstechniken bei mobilen Robotern können versagen, wenn der Roboter ungünstig fährt und dabei vorhandene und für die Lokalisierung wichtige Landmarken mit seinen Sensoren nicht erkennt. Bei dem vorgestellten neuen Ansatz werden die Datenaqui-sition für den Selbstlokalisierungsprozeß und der Aufbau neuer Landmarken in unbekannter Umgebung unterstützt, indem in der Planung Kosten und Nutzen von möglichen Fahrmanövern geschätzt und analysiert werden. Simulationsergebnisse haben gezeigt, daß dadurch die Stabilität des Lokalisierungsprozesses erheblich verbessert wird.

Im Rahmen des ESPRIT III Forschungsprojekts “ROCCO” (RObot assembly system for Computer integrated COnstruction) werden die Möglichkeiten der flexiblen Automatisierung des Mauerwerksbaus aufgezeigt. In diesem Beitrag soll hierfür ein Überblick über die Konzeption und Realisierung des Gesamtsystems gegeben werden. An der Entwicklung und Umsetzung sind deutsche, belgische und spanische Forschungseinrichtungen und Unternehmen beteiligt.

Im Rahmen des von der EU-Kommission geförderten ESPRIT-III-Projektes ATHENA soll der Prototyp eines mobilen Roboters für den Einsatz als Kompaktorfahrzeug auf Mülldeponien entwickelt werden. Dazu wurde zunächst ein herkömmliches Fahrzeug durch Installation entsprechender Sensorik und Aktorik sowie der erforderlichen Digitalhardware umgerüstet. Ziel des Projektes ist nicht die vollständige Autonomie des Systems, welche in einer solchen Umwelt wohl auch nur schwer erreichbar ist, sondern eine Teilautonomie, die es dem System ermöglicht, häufig wiederkehrende und zeitaufwendige Arbeiten ohne Benutzereingriffe auszuführen.

Der Beitrag stellt einen möglichen Ablauf für die automatisierte Erstellung von Mauerwerk auf der Baustelle mit mobilen Robotern vor. Wesentliche Bausteine einer solchen Technologie, nämlich der automatisierte Auftrag von Dünnbettmörtel im Tauchverfahren, die digitale Regelung elektrohydraulischer Manipulatorachsen, die Architektur einer modernen Multitasking-Robotersteuerung sowie ein baustellengerechtes Absolutmeßsystem zur Bestimmung der Roboterposition werden beschrieben.

Es wird ein ereignis-orientiertes, psycho-physisches Fahrzeug-Folge Modell vorgestellt, das experimentell verifiziert wurde und eindrucksvolle Übereinstimmung mit den Lösungen makroskopischer Verkehrsflußmodelle zeigt. Der Einsatz des Modells als Werkzeug zur Untersuchung der verkehrlichen Wirksamkeit automatisch fahrender Fahrzeuge wird am Beispiel des intelligenten Tempomaten (AbstandsRegelTempomat oder auch Autonomous Intelligent Cruise Control) aufgezeigt.

Autonome mobile Systeme sollen über eine hohe Störungstoleranz auch in unvorhergesehenen Situationen verfügen. In diesem Beitrag wird eine Methode zur Online-Generierung geeigneter Handhabungsprogramme für derartige Situationen vorgestellt. Dazu wird ein 3D-Bewegungssimulationssystem eingesetzt, in dem die Fertigungsumgebung modelliert ist. Unter Berücksichtigung der Umgebungsdaten werden mit einem Bahnplanungsverfahren und einem Greifplanungsverfahren, die beide in das Simulationssystem integriert sind, die zur Handhabung erforderlichen Roboterbewegungen bestimmt und als Roboterprogramm zur Verfügung gestellt.