Wie Sensoren und intelligente Algorithmen den Weg für unsere autonome Roboter-Helfer freimachen

Als Menschen benutzen wir unsere Sinne um die Welt zu navigieren. Ähnlich, muss ein Roboter sich auf die verbundene Sensoren verlassen. Um die hohen Anforderungen der professionellen Greenkeepern, einen gesunden Rasen, und jederzeit Zentimeter genaue Lokalizierung gewährleisten zu können, müssen verschiedene Komponenten für ein gemeinsames Ziel richtig zusammen arbeiten. Sowie im Leben, ist Kommunikation wesentlich.

 

Signale von Navigationssatelliten können die Position eines Roboters auf dem Meter genau messen. Wenn man multi-Band Empfänger benutzt, so ist man nicht von einem System abhängig und kann die Vorteile aller sichtbaren Satelliten Gebrauch machen. Indem man weitere Informationen aus fixen Basisstationen in der Nähe auswertet, und das Satellitensignal weiter analysiert, werden bessere Positionsschätzungen erreicht, durch was man Echtzeitkinematic (kurz RTK) nennt. Ein Vergleich zur vergangenen Messungen ermöglicht es zu wissen wie schnell und in welchen Richtungen sich der Roboter bewegt hat. Mit einem mathematischen Modell des Roboters, ist es möglich die Radgeschwindigkeit, auch Odometrie genannt, sowie Messungen aus Beschleunigungssensor und Gyroskop, oft Trägheitsmesseinheit oder IMU genannt, zu berücksichtigen. Diese liefern weitere Informationen über die Richtung, Geschwindigkeit und Orientierung des Roboters. Eine Kamera kann sogar Hauptmerkmale im Sichtfeld verfolgen, was besagen kann wie sie sich im Vergleich zu anderen Objekten im Raum bewegt.

 

Das Problem mit Sensoren ist, dass Messwerte immer falsch sind. Immer, auch wenn nur wenig. Eine Messung ist nur die Repräsentation der physischen Entität. In einer perfekten, Welt hätten wir perfekte Messungen, aber was passiert wenn ein Rad schlupft? IMU Sensoren driften ständig ab. Was heisst das für die Messwerte? Was passiert wenn die Kamera in der Halterung rüttelt, oder ein sichtbarer Baum sich im Wind bewegt? Das heisst das System wird Fehler in den Messwerten haben. Unsere Aufgabe ist es diese Fehler zu bestimmen und zu minimieren. Durch intelligente Algorithmen, wie Kalman-Filtern, können wir Erkenntnisse von verschiedenen Sensoren einbeziehen, und bessere Ergebnisse erzielen als was jeder von diesen Sensoren alleine hätte erzielen können. Einigkeit macht stark.

 

Das gleiche Konzept gilt auch für uns Menschen und unsere Sinne, apropos. Nehmen wir optische Täuschungen, räumliche Desorientierung, Schwindel, Shepardtöne, und andere Illusionen. Sie entstehen alle durch unvollständige Information oder Approximationen welche unser Gehirn erzeugt.

 

Ich habe vor kurzem bei Ronovatec AG angefangen, und ich werde das Beste aus unseren Sensoren machen. Meine Aufgabe ist es gute Verbindungen zu einrichten, um Sensordaten zu schicken und unsere Algorithmen damit zu füttern. Unsere Algorithmen erkennen minimale Abweichungen vom perfekten Ergebnis und korrigieren sie. Unsere Software wird Sie auf die Igel-Familie die in der Nacht durchgewandert ist informieren, oder wird ihnen ein Bild der sonnentankende Eidechse schicken die durch Pfadänderungen ausweichen musste. Unsere Roboter werden bei den mühsamen Aufgaben helfen, diese zuverlässiger erledigen, sowie Ihre Zeit für sinnvollere, befriedigendere und lustigere Arbeiten freimachen. Ich möchte auch Spass an meinem Job haben und freue mich auf die Zusammenarbeit auf perfekte Ergebnisse hin.