Skip to main content

Towards Intelligent Cognitive AUVs

Article Category

Article available in the folowing languages:

Unterwasserroboter mit Software zur Entscheidungsfindung

Unbemannte Unterwasserfahrzeuge werfen einen genaueren Blick unter die Oberfläche der Ozeane und Meere unserer Welt und dienen den verschiedensten Zwecken. Dank innovativer Algorithmen zur Datenverarbeitung werden sie jetzt noch intelligenter und zuverlässiger.

Digitale Wirtschaft
Lebensmittel und natürliche Ressourcen

Einige der Gründe für die Erforschung von Unterwasserwelten sind archäologische Erkundungen, wissenschaftliche Untersuchungen und Vermessungen des Meeresbodens für Entwicklungsvorhaben im Dienste der Industrie und des Staates, etwa für die Verlegung von Rohrleitungen oder den Bau von Brücken. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen verfolgte das Projekt TIC-AUV das Ziel, die bei der Erkundung eingesetzten unbemannten Unterwasserfahrzeuge mit viel mehr Intelligenz auszustatten und in die Lage zu versetzen, längere Betriebszeiten zu meistern.

Aktuelle Einschränkungen überwinden

Gegenwärtig sind die meisten unbemannten Unterwasserfahrzeuge auf vorprogrammierten Vermessungen unterwegs, bei denen wenig oder gar keine „Kognition“ erforderlich ist. Hauptforscher und Stipendiat Francesco Maurelli dazu: „Dank der bei diesem Projekt geleisteten Arbeit können unbemannte Unterwasserfahrzeuge nun besser ihre Umgebung verstehen, Entscheidungen treffen und mit unerwarteten Ereignissen und Störungen umgehen. So kann ihr Potenzial für die blaue Wirtschaft ausgeschöpft werden.“ Um seine Ziele zu erreichen, verließ sich Maurelli auf seine Erfahrung in der Softwareentwicklung, um Algorithmen zur Informationsverarbeitung zu erstellen. Diese Algorithmen können aus den Sensoren unbemannter Unterwasserfahrzeuge relevante Informationen über die Umgebung gewinnen und diese analysieren.

Fortgeschrittene Dienstprogramme nutzen Umgebungs- und Roboterdaten

Industrieroboter gibt es bereits seit Jahrzehnten. Von einem festen Standort aus gehen sie ihren automatisierten und sich wiederholenden Aufgaben nach. Da die Roboter aus den Fabriken in die komplexen, unstrukturierten und sich stetig verändernden Umgebungen dieser Welt hinausgezogen sind, beruht ihre Nützlichkeit auf der Fähigkeit, ähnlich wie ein Mensch Informationen über diese Umgebungen zu verarbeiten und Entscheidungen zu treffen. Ein autonomes System mit Selbstantrieb muss eine umfassende Darstellung der sich verändernden Einsatzumgebung erstellen und aktualisieren können. Dazu zählen der eigene Standort und Orientierung an diesem (Lokalisierung) sowie die Wechselbeziehungen zwischen Objekten, ein Merkmal, das als (semantische Kartierung) bezeichnet wird. Wie Maurelli erläutert, „stützt sich die semantische Darstellung der Welt auf zwei wichtige Punkte: den Aspekt der Sensorauswertung zur Analyse der gesammelten Daten und zur Identifizierung wichtiger Konzepte sowie die Modellierung der Darstellung der Welt, um zu definieren, welche Konzepte für die spezifische Domäne und deren Zuordnung relevant sind.“ In ähnlicher Weise schätzen die Algorithmen zur Positionsbestimmung unter Einsatz von Sensoren, die sowohl Informationen über die Umgebung als auch über den Roboter selbst bereitstellen, die Ausrichtung des unbemannten Unterwasserfahrzeugs sowie dessen Position auf Grundlage der Wahrscheinlichkeiten der Nähe zu Objekten auf der Weltkarte. Maurellis Codes zur Auswertung der Sensoren dienen der Verwirklichung der ultimativen Ziele des Projekts und lassen intelligentere unbemannte Unterwasserfahrzeuge länger untertauchen, da sie auf unvorhergesehene Ereignisse und Störungen reagieren können. Eine aktive Entscheidungsfindung ist auf die Optimierung von Handlungen zur Lösung einer bestimmten Aufgabe auf Grundlage einer genauen semantischen Karte und der Lokalisierung von unbemannten Unterwasserfahrzeugen angewiesen. Dank Fehlermanagement können Roboter einen Fehler erkennen und geeignete Maßnahmen ergreifen, um ihn zu beheben, was für eine langfristige Autonomie von entscheidender Bedeutung ist. Code, der zum Umgang mit einem Ausfall des Antriebssystems oder des Strahlruders entwickelt wurde, kann mithilfe einer aktualisierten semantischen Karte auf eine Vielzahl möglicher Störungen erweitert werden.

Weiterreichende Auswirkungen

Zusammenfassend erklärt Maurelli: „Mir wurde beigebracht, niemals aufzugeben – mich auf meine Ziele zu konzentrieren und immer mein Bestes zu geben, um sie zu erreichen. Irgendwie gebe ich den Robotern, mit denen ich arbeite, den gleichen Geist mit auf den Weg. Wenn es eine Störung gibt, dann finde eine Möglichkeit, um sie zu beheben, damit du deine Mission vollenden kannst.“ Auch wenn TIC-AUV seinem Konzept zufolge die Unterwasserrobotik generell voranbringen sollte, stellt sich Maurelli in einer weitaus größeren Dimension intelligentere unbemannte Unterwasserfahrzeuge vor, welche durch nachhaltige Erforschung und Nutzung der Meere und Ozeane die vielen Facetten der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen unterstützen.

Schlüsselbegriffe

TIC-AUV, unbemanntes Unterwasserfahrzeug, Umwelt, Umgebung, Roboter, Sensor, Fehler, Störung, Algorithmus, Daten, Lokalisierung, Orientierung, Sensorauswertung, semantische Karte

Entdecken Sie Artikel in demselben Anwendungsbereich