openSCHEMA - Open Semantic Collaborative Hierarchical Environment Mapping

In diesem Projekt soll ein offenes und skalierbares Mapping-Framework für autonome mobile Roboter entwickelt werden, um die Automatisierung verschiedener Arbeitsaufgaben zu ermöglichen. Darüber hinaus soll das Problem der robusten Langzeitlokalisierung mit mehreren Agenten in dynamischen Umgebungen gelöst werden.

Kurzbeschreibung

In diesem Projekt soll ein offenes Mapping Framework für autonome mobile Roboter entwickelt werden. In Kombination mit einer robusten und langzeitstabilen Lokalisierung wird damit die nächste Entwicklungsstufe der Automatisierung vorbereitet. Ein flexibler Einsatz von mobilen Robotern wird dadurch auch auf schwierigem Gelände wie auch in dynamischen Umgebungen möglich.

Im Projekt werden dafür keine spezialisierten Insellösungen entwickelt, sondern durch die Berücksichtigung vielfältiger Anwendungsbereiche und das Einbeziehen von Stakeholdern aus unterschiedlichsten Domänen, ein flexibles Framework zur Umgebungskartierung geschaffen.

Konkret werden die Erfahrungen der Firma KNAPP im Bereich der Intralogistik berücksichtigt, wo ein starkes Bedürfnis besteht, die Umgebungskarten automatisch an Änderungen anzupassen. Die robuste Lokalisierung der Fahrzeuge im Bereich der Erdbewegung stellt ein noch ungelöstes Problem dar, da Teile des Arbeitsbereichs durch Abschattungen (Hallen, Überdachungen) nicht mittels sattelitengestützter Lokalisierung allein abdeckbar sind.

In der Landwirtschaft kann nur die automatisierte Bearbeitung von Feldern als gelöst angesehen werden, wobei speziell im Bereich des Obst- und Weinbaus auch diese Lösungen nur begrenzt eingesetzt werden können. Bei vielen dieser Outdoor-Lösungen muss dabei zu Beginn die gesamte Arbeitsfläche manuell abgefahren und kartiert werden.

Problemstellungen im Bereich der Forstwirtschaft sind bei diesen Lösungen meist gänzlich unberücksichtigt. Auch in diesen Bereichen werden wir mit Experten (Firma Teufl, Kieswerk Schneeberger und österr. Bundesforste) die spezifischen Anforderungen berücksichtigen und eine breit anwendbare Lösung zu finden.

Ausgangssituation

In Zukunft werden viele Aufgaben in Produktions- und Transportprozessen von autonomen Systemen übernommen werden. Die Reduktion der Kosten und die Steigerung der Arbeitseffizienz stellt dabei nur einen Teil der Motivation für die Automatisierung dar.

Monotone Tätigkeiten, oft in Verbindung mit starker Belastung durch Lärm, gesundheitsschädliche Dämpfe, Staub und unangenehmen Gerüchen, führen in diesem Bereich der Wirtschaft und Industrie immer stärker zu einem erheblichen Mangel an Arbeitskräften.

Gerade bei Arbeitsprozessen im Umfeld von Produktionsanlagen, Erdbewegung oder Land- und Forstwirtschaft ist eine hohe Adaptionsfähigkeit an eine sich ständig ändernde Umgebung erforderlich. Produktionslinien müssen laufend angepasst und optimiert werden, der Rohstoffabbau in einem Kieswerk verändert aktiv die Umgebung, und die Jahreszeiten und das Pflanzenwachstum stellen eine zusätzliche Herausforderung für die Automatisierung dar.

Ziel

Um die langfristige Weiterentwicklung in diesem Bereich zu sichern, wird das Framework als offene Software entwickelt und der wissenschaftlichen Community zugänglich gemacht. Ergänzend werden die bei der Entwicklung zur Evaluierung aufgezeichneten Sensordaten der Öffentlichkeit zur Verfügung gestellt.

Vorgehen

Wir zeigen, wie das vorgestellte Mapping-Format für die einheitliche Speicherung von geometrischen und domänenspezifischen semantischen Informationen verwendet werden kann. Der Mehrwert des von uns vorgeschlagenen Ansatzes wird anhand von vier verschiedenen Anwendungsfällen evaluiert.

Angestrebte Ergebnisse

Ein Mapping-Framework mit folgenden Funktionen bzw. Anwendungsmöglichkeiten:

  • Inhärent konsistente hierarchische Karte aufgrund der engen Kopplung semantischen und geometrischen Layer.
  • Automatische Ableitung von spezialisierten aufgabenorientierten Teilkarten. Zum Beispiel für die Pfadplanung oder für die Interkation mit der Umgebung.
  • Gemischte Detailgrad der Karteninformation für unterschiedliche Bereiche.
  • Echtzeitfähige Kartenaktualisierungen für verteilte Systeme in dynamischen Umgebungen.
  • Robuste, auf semantischen Karten basierende Lokalisierung. Ergänzend zur klassischen visuellen Lokalisierung.
  • Automatische Kalibrierung zwischen „Structure from Motion"-Karten und bereits existierenden Karten Material.
  • Fehlertolerante Aufgabenplanung auf der Grundlage einer potenziell veralteten Karte.
  • Reduzierter Inbetriebnahme Aufwand durch Verwendung von bereits vorhandenem Kartenmaterial wie zum Beispiel Luftbilder oder Gebäudepläne.

Projektbeteiligte

Projektleitung

Martin Fletzer - AIT Austrian Institute of Technology GmbH

Projektpartner:innen

  • Thomas Ulz - KNAPP Industry Solutions GmbH
  • Nicolas Thorstensen - Iviso GmbH
  • Bernhard Teufl - Teufl GmbH
  • Karl Schneeberger - Karl Schneeberger GesmbH & CoKG

Kontaktadresse

AIT Austrian Institute of Technology GmbH
Martin Fletzer
E-Mail: martin.fletzer@ait.ac.at