01. 10. 2020
Verfasst von: Christoph Rohmann

Transportsysteme – selbstlernend durch Schwarmintelligenz

Ein Roboter fährt durch einen Hindernisparcours aus Platten und Leitkegeln — Forschende statten die kleine automatische Transporteinheit mit einer Kamera, Sensoren und künstlicher Intelligenz aus. Dadurch kann sie ihre Routen selbstlernend planen.

Automatisierte Fahrzeuge haben bereits in vielen An-wendungsbereichen Einzug gefunden. Allerdings sto-ßen sie in Problemsituationen oder bei unerwarteten Hindernissen schnell an ihre Grenzen. An der Ostfalia Hochschule entwickelt ein Forschungsteam selbstler-nende Transportsysteme. Als Schwarmintelligenz kar-tografieren und planen sie autonom ihre eigenen Rou-ten.

Eigene Route autonom planen

Fahrerlose Transportfahrzeuge (FTF) arbeiten nach heutigem Stand der Technik auf Basis von physischen Leitlinien. Diese sind beispielsweise hochreflektierende Markierungen oder induktive Leiterbahnen. Jedoch können diese Systeme nicht flexibel auf Störungen reagieren, wenn zum Beispiel Paletten den Weg versperren oder die Lagerhalle umgebaut wird. Das Institut für Fahrzeugbau Wolfsburg und das Institut für Fahrzeugsystem- und Servicetechnologien der Ostfalia Hochschule wollen die FTF intelligenter und autonomer machen. In dem vom Europäischen Fonds für regionale Entwicklung (EFRE) geförderten Forschungsprojekt entwickeln die Verbundpartner selbstlernende Transportsysteme.

Mithilfe von bordeigener Sensorik, bestehend aus einer Kamera und einem laserbasierten Lidar-Sensor, navigiert der in diesem Projekt zu entwickelnde Prototyp ohne externe Hilfslinien. Ein wesentlicher Vorteil eines solchen Systems ist dessen Flexibilität, wenn sich das Einsatzgebiet verändert. Damit eignet es sich vor allem für Logistik- und Produktionsumgebungen. Als Fundament dient eine kleine automatische Transporteinheit (KATE) des industriellen Projektpartners Götting KG, die mit künstlicher Intelligenz (KI) ausgestattet wird.

Digitale Karte regelmäßig aktualisieren

Die eingesetzte Sensorik kartografiert die Umgebung und erstellt aus den gesammelten Daten eine zentrale digitale Karte. Eine Flotte mehrerer sensorisch ausgestatteter fahrerloser Transportfahrzeuge ist damit in der Lage, das gesamte Einsatzgebiet zu erfassen und die zentrale Karte regelmäßig zu aktualisieren. Auf Basis dieser Karte und maschineller Lernverfahren planen die FTF, in Abhängigkeit der vorgegebenen Start- und Zielpunkte, eigenständig ihre Fahrstrecken und führen diese aus. Mithilfe dieser Gesamtabdeckung können die einzelnen FTF Routen planen, die weit über die Reichweite ihrer eigenen Sensorik hinausgehen.

Im aktuellen Entwicklungsstand des Prototyps ist die Sensorik an die KATE adaptiert und die digitale Karte mithilfe der Daten des Lidar-Sensors erstellt worden. Aktuell arbeitet das Projektteam daran, die Kameradaten einzubinden und die Routen der fahrerlosen Transportfahrzeuge auf Basis der erstellten Karte zu planen und auszuführen.