Image
roboter_navigation_kamera.jpeg
Foto: Muhammad Haris I Frankfurt UAS
Um sich selbst navigieren zu können, lernt der Roboter seine aktuelle Position aus omnidirektionalen Kamerabildern wie diesem.

Sensorik

Hier lernen mobile Roboter, sich selbst zu navigieren

„Wo bin ich?“ – diese Frage müssen mobile Roboter auch in unbekannten Umgebungen beantworten können, um sich autonom zu navigieren und Menschen zu helfen.

Damit sich mobile Roboter eigenständig lokalisieren und navigieren können, sind komplexe Algorithmen und Künstliche Intelligenz der Systeme nötig. Seit Oktober 2018 forscht Prof. Dr. Ute Bauer-Wersing von der Frankfurt University of Applied Sciences (Frankfurt UAS) zur visuellen Selbstlokalisation und Navigation von mobilen Robotern in einem Kooperationsprojekt mit dem Honda Research Institute Europe. Aufgrund der bisherigen vielversprechenden Forschungsergebnisse wird das Projekt „Unsupervised Learning of Hierarchical Features for Visual Self-Localization and Navigation in Seasonally Changing Outdoor Environments” nun um ein Jahr bis 30.09.2022 verlängert. Damit erhöht sich das Drittmittelvolumen, das die Forschungsgruppe „Machine Learning for Intelligent Systems“ mit dem Kooperationspartner in den vergangenen Jahren in mehreren Projekten erfolgreich abgewickelt hat, auf mehr als 1 Mio. EUR.

Vielfältige Einsatzmöglichkeiten 

Die Möglichkeit, dass Maschinen mit Hilfe von Lernalgorithmen intelligentes Verhalten entwickeln, verspricht laut Prof. Dr. Bauer-Wersing großes Potential für unterschiedliche Anwendungsfelder. Systeme dieser Art könnten für Fahrzeuge eingesetzt werden, die sich weitestgehend autonom im Straßenverkehr orientieren und bewegen, für Flugdrohnen, die selbständig Pakete transportieren, oder für mobile Service- und Haushaltsroboter, die Menschen bei der Arbeit und im Alltag unterstützen. Unter Laborbedingungen zeigen intelligente Systeme schon heute vielversprechende Fähigkeiten. Die große Herausforderung bestehe jedoch darin, dass die Systeme auch zuverlässig in komplexen neuen Umgebungen funktionieren und sich an auftretende Veränderungen dynamisch anpassen können.

Hier kommt ein automatisierter Lieferwagen ohne Fahrer

Neue Konzepte für automatisierte Fahrzeuge: Der Prototyp eines autonomen Lieferwagens, der ohne Fahrer auskommt, wird derzeit an der Uni Ulm flottgemacht.
Artikel lesen

Autonomes Navigieren als grundlegende Lernaufgabe

An dieser Stelle setzt das Kooperationsprojekt der Forschungsgruppe „Machine Learning for Intelligent Systems“ unter der Leitung von Prof. Dr. Bauer-Wersing und dem Honda Research Institute Europe an. „Die Fähigkeit, sich selbst mit Hilfe von Kamerabildern in einer komplexen Umgebung, z.B. in einer Wohnung oder einem Garten zu lokalisieren und zuverlässig zu einer bestimmten Position zu navigieren, ist eine der grundlegenden Lernaufgaben, die ein autonomer Roboter beherrschen muss“, sagt Prof. Dr. Bauer-Wersing. „Besonders schwierig gestaltet sich diese Aufgabe in Außenbereichen, da dort Witterungseinflüsse und wechselnde Vegetationsperioden das Erscheinungsbild der Umgebung ständig und drastisch verändern. Da Menschen und Tiere diese Aufgabe problemlos lösen, orientiert sich unser Ansatz am Positionierungssystem des Gehirns“.

Dank Kameras finden die mobilen Roboter ihre Route

Das Forschungsteam entwickelt Lernalgorithmen, die kognitive Karten in Form von sogenannten „Place Cells“ nachbilden, die zu den wichtigsten Komponenten des inneren GPS des Gehirns gehören. Der biologisch-inspirierte Ansatz bietet dabei mehrere Vorteile: Die bisherigen Forschungsarbeiten zeigen, dass eine präzise bis auf wenige Zentimeter genaue Lokalisation auf der Basis von Kamerabildern möglich ist. Die von der Maschine gelernten Repräsentationen zeigen sich robust gegenüber vielen dynamischen Veränderungen. Die gelernten Merkmale erlauben es dem Roboter zudem, sich in der Umgebung zielgerichtet zu bewegen und die vom Roboter gewählten Routen ähneln denen, die auch Menschen und Tiere wählen würden.

„Die bisherigen Projektergebnisse haben gezeigt, dass der Ansatz zum einen sehr produktiv im Hinblick auf den wissenschaftlichen Erkenntnisgewinn ist und zum anderen sehr tragfähig mit Blick auf eine praktische Anwendung in Service- und Haushaltsrobotern der übernächsten Generation“, sagt Prof. Dr. Bauer-Wersing. Aufgrund der erfolgreichen Bilanz wurde das Drittmittelprojekt nun um ein weiteres Jahr bis September 2022 verlängert.

Image
frankfurt_uas_bauer-wersing.jpeg
Foto: Privat Prof. Dr. Ute Bauer-Wersing, Professorin für Informatik der Frankfurt University of Applied Sciences

Forschungsgruppe „Machine Learning for Intelligent Systems

Unter der Leitung von Prof. Dr. Ute Bauer-Wersing erforscht und entwickelt die Forschungsgruppe „Machine Learning for Intelligent Systems“ am Fachbereich Informatik und Ingenieurwissenschaften der Frankfurt UAS maschinelle Lernverfahren und KI-Methoden für Wahrnehmung, Lernen und Interaktion eines intelligenten Systems. Im Fokus stehen die Entwicklung und Kombination von Ansätzen aus den Bereichen Computer Vision, Deep Learning, Explainable Artificial Intelligence und Human-Machine-Interaction und deren Anwendung z.B. im Bereich der Service-Robotik oder des autonomen Fahrens. Über die vergangenen Jahre konnte die Forschungsgruppe das Thema Visual Self-Localization and Mapping (vSLAM) erfolgreich als einen ihrer Schwerpunkte etablieren. Neben klassischen Ansätzen des maschinellen Lernens liegen die Forschungsschwerpunkte vor allem auf biologisch-inspirierten Lernverfahren, kooperativen Lernansätzen und kognitiven Interaktionstechnologien. Diese Ansätze versprechen, intelligente Systeme in dynamischen und komplexen Umgebungen zukünftig robuster und adaptiver zu machen.

Über das Honda Research Institute Europe

Das Honda Research Institute Europe mit Sitz in Offenbach gilt als eines der führenden Industrieforschungsinstitute im Bereich Intelligente Systeme in Deutschland und kooperiert europaweit mit einem Netzwerk aus Universitäten und Hochschulen. Das Institut gehört im Bereich „Maschinelles Lernen“ zu den publikationsstärksten Unternehmen Deutschlands.

Foto: IBM

Künstliche Intelligenz

Wie Quantencomputer das Maschinelle Lernen voranbringen

Quantencomputer können Künstliche Intelligenz und Maschinelles Lernen tiefgreifend verändern und völlig neue Anwendungsmöglichkeiten erschließen.

Foto: DFKI GmbH / Philipp Kloss

Künstliche Intelligenz

Was machen Unterwasserroboter im Weltraum?

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) in Bremen bereitet Unterwasserroboter auf Feldtests für die Weltraumforschung vor.

Foto: WZL

Künstliche Intelligenz

Intelligentes System zur Montageunterstützung

Ein internationales Forschungskonsortium entwickelt ein Montageunterstützungssystem zur einheitlichen Personalqualifizierung und Qualitätskontrolle.