Auto­nome Navi­ga­tion: Quo vadis, Robot?

Software

2. Oktober 2018

Share

Bevor man weiß, wohin man geht, sollte man wis­sen, wo man ist. Das gilt für den Gang zum nächs­ten Super­markt genauso wie für die ganz gro­ßen Lebens­ent­schei­dun­gen. Und es gilt auch für unsere Robo­ter.
Um sich erfolg­reich von A nach B zu bewe­gen, müs­sen sich diese zunächst selbst loka­li­sie­ren und auf ihrem Weg Hin­der­nisse und neue Situa­tio­nen bewäl­ti­gen. Dafür haben wir sie mit intel­li­gen­ten Algo­rith­men und sogar einer kol­lek­ti­ven Wahr­neh­mung aus­ge­stat­tet.

Je freier sich Robo­ter bewe­gen kön­nen und sol­len, desto klü­ger müs­sen sie sein. Und desto bes­ser muss ihre Fähig­keit sein, auto­nom zu navi­gie­ren. Im Fall von Maga­zino ist unsere Welt das Waren­la­ger und die Navi­ga­ti­ons­auf­gabe der Robo­ter zwei­er­lei: einer­seits müs­sen sie ihren Weg durch die Gänge fin­den, Hin­der­nis­sen aus­wei­chen und schließ­lich beim rich­ti­gen Regal ankom­men. Zum ande­ren müs­sen sie das jewei­lige Objekt, also ihren Pick­auf­trag, im Regal loka­li­sie­ren und dann feh­ler­frei grei­fen. Dabei stel­len sich einige Her­aus­for­de­run­gen. Zum Ver­gleich: Soge­nannte AGVs, oder auch Auto­ma­ted Gui­ded Vehi­cles, die in Waren­la­gern unter­stüt­zen und Objekte von A nach B trans­por­tie­ren, müs­sen nicht intel­li­gent navi­gie­ren. Denn diese Robo­ter oder Trans­port­hil­fen bewe­gen sich meist nicht auto­nom, son­dern wer­den über Linien, Magnet­strei­fen oder andere vor­de­fi­nierte Spu­ren gelei­tet.

Effi­zi­enz durch intel­li­gente Soft­ware

Maga­zino Robo­ter sind anders. Sie brau­chen kein auf­wen­dig instal­lier­tes Schie­nen­sys­tem und kein Waren­la­ger, das um sie herum kon­zi­piert wurde. Sie las­sen sich für jede Lager­um­ge­bung kon­fi­gu­rie­ren und fin­den sich durch ihre intel­li­gen­ten Fea­tures schnell zurecht. Sie bewe­gen sich frei und haben die Fähig­keit, auto­nom zu navi­gie­ren.

Eine grund­le­gende Her­aus­for­de­rung in der mobi­len Robo­tik wird SLAM genannt. SLAM steht für „simul­ta­ne­ous loca­li­za­tion and map­ping“ (auf deutsch: Simul­tane Posi­ti­ons­be­stim­mung und Kar­ten­er­stel­lung). So wird ein Pro­blem der Robo­tik genannt, bei dem ein mobi­ler Robo­ter gleich­zei­tig eine Karte sei­ner Umge­bung erstel­len und seine Posi­tion inner­halb die­ser Karte schät­zen muss. Zunächst muss der Robo­ter her­aus­fin­den, wie seine Umge­bung aus­sieht und wo genau er sich darin befin­det. Der erste Schritt zur Navi­ga­tion ist also, seine eigene Posi­tion fest­zu­stel­len. Das tut er, indem er seine Umge­bung durch ver­schie­dene Sen­so­ren wahr­nimmt und mit sei­ner gespei­cher­ten Karte ver­gleicht. Hat er seine Posi­tion gefun­den, kann er von da aus sein Ziel sowie den Weg dort­hin errech­nen.

Der Vor­sprung der Team­player

Das ist für einen ein­zel­nen Robo­ter in einer völ­lig sta­ti­schen Umge­bung durch her­kömm­li­che SLAM Code-Bau­steine schon durch­aus mach­bar. Aber: ein Waren­haus in der rea­len Welt ist alles andere als sta­tisch. Men­schen arbei­ten darin und ver­än­dern die Umge­bung kon­ti­nu­ier­lich, Pakete wech­seln ihren Platz, neue Hin­der­nisse kom­men und gehen. Um auch unter die­sen Umstän­den noch zuver­läs­sig und rei­bungs­los zu arbei­ten, brau­chen die Robo­ter noch eine Fähig­keit mehr: Sie müs­sen sich anpas­sen kön­nen. Dafür brau­chen sie so viele Infor­ma­tio­nen über die aktu­elle Situa­tion ihrer Umge­bung wie mög­lich. Dar­auf basie­rend kön­nen sie dann ihre Wege anpas­sen und effi­zi­en­ter arbei­ten.

Unser Ansatz ist hier: Cloud-based Map­ping and Loca­li­za­tion in Dyna­mic Wareh­ouse Envi­ron­ments. Diese Idee basiert dar­auf, dass viele Robo­ter im Ein­satz auch viele Daten über ihre Umge­bung sam­meln kön­nen. Bei jeder Fahrt durch einen Gang nimmt ein Maga­zino Robo­ter also seine Umge­bung durch Sen­so­ren und Kame­ras wahr. Begeg­net ihm ein Hin­der­nis auf sei­ner Route stoppt er und sucht einen alter­na­ti­ven Weg zum Ziel. Wenn der Robo­ter diese Lek­tion aller­dings nicht selbst durch aus­pro­bie­ren ler­nen muss, kann er seine Route direkt ent­spre­chend pla­nen und effi­zi­en­ter arbei­ten. Wäre es also nicht fan­tas­tisch, wenn Robo­ter A seine Erkennt­nis mit Robo­ter B tei­len könnte? Defi­ni­tiv. Des­halb haben wir in Koope­ra­tion mit Google Car­to­gra­pher, eine Echt­zeit-Loka­li­sie­rungs- und Map­ping-Biblio­thek, wei­ter ent­wi­ckelt. Kon­kret bedeu­tet das, jeder Robo­ter im Waren­haus schickt SLAM Daten in eine Cloud und gleicht gleich­zei­tig seine gespei­cherte innere Karte des Waren­hau­ses mit Daten in der Cloud ab. Die Robo­ter der Flotte kön­nen also ihr Wis­sen über die Umge­bung tei­len und für sich nut­zen. Man könnte sagen, die Flotte nimmt ihre Umge­bung kol­lek­tiv war und wird zusam­men ste­tig bes­ser: Maga­zino Robo­ter sind also echte Team­player. Genau wie ihre Erfin­der und Ent­wick­ler.