AKAD Claim

Kartografierende Staubsauger

Die Navigation der meisten im Handel erhältlichen Staubsaugroboter funktioniert nach sehr einfachen Prinzipien. Die Geräte fahren in einem mehr oder weniger zufälligen Muster durch die Wohnung und wechseln die Richtung dann, wenn sie auf ein Hindernis treffen oder vor einer Treppenstufe stehen. Dieser stochastische Algorithmus führt zu einer ungleichmässigen Reinigung, da gewisse Zonen des Bodens entweder gar nicht oder gleich mehrfach überfahren werden. Seit Kurzem werden jedoch von diversen Herstellern neue Modelle präsentiert, die wesentlich intelligenter navigieren. Zum Einsatz kommt ein Algorithmus, der auch in anderen Bereichen grosses Potenzial hat.

Kartografierende Staubsauger
CC BY 2.0 Andreas Dantz/Flickr.com

SLAM – Simultaneous Localization and Mapping
Soll ein mobiler Roboter sich nicht nach einem zufälligen Muster, sondern mithilfe seiner absoluten Position in einem Raum bewegen, benötigt er eine Karte. Da es jedoch für viele Einsatzorte eines solchen Systems keine Karten gibt oder sich diese, wie beispielsweise in einer Wohnung, ständig verändern, benötigt es die Möglichkeit, fortlaufend eine Karte zu erstellen. Hier kommt Simultaneous Localization and Mapping (SLAM) zum Einsatz, wobei sich das sogenannte Huhn-und-Ei-Problem stellt. Der Roboter soll mit Hilfe seiner Sensordaten eine Karte der Umgebung erstellen (mapping). Dafür benötigt er jedoch seine exakte Position innerhalb der Umgebung (localization). Diese Lokalisierung wiederum ist ohne exakte Karte nicht möglich. Es handelt sich also um zwei Anforderungen, die durch Schätzungen in Abhängigkeit voneinander erfüllt werden können und deshalb mit der Redewendung «Was war zuerst: das Huhn oder das Ei?» in Verbindung gebracht werden.

Staubsauger und weitere Anwendungsgebiete
Die neuartigen Staubsaugermodelle setzen vermehrt auf visual-SLAM (vSLAM). Dabei nimmt eine integrierte Kamera ständig Bilder auf, während sich der Roboter bewegt. Ein Bildverarbeitungsalgorithmus hilft, auf den Bildern charakteristische Muster im Raum zu identifizieren. Durch den Vergleich neuer Bilder mit schon bestehenden können die Bewegungen des Roboters berechnet und die ausgewerteten Daten in die Karte integriert werden. Um seine Position zu bestimmen, kombiniert der Roboter die erstellte Karte mit seiner Odometrie*. Dieser Algorithmus zählt schon seit mehreren Jahren zu einem der aktivsten Forschungsgebiete innerhalb der Robotik, denn es gibt dafür viele potenzielle Anwendungsgebiete, wie beispielsweise autonom fahrende Autos oder Drohnen.

*Als Odometrie wird die Methode zur Positionsschätzung eines mobilen Fahrzeugs durch Messung des zurückgelegten Wegs der Räder bezeichnet. Mit Hilfe der Radgeometrie (Umfang) sowie der Anzahl Radumdrehungen kann die zurückgelegte Strecke inklusive Orientierung (ein Rad macht mehr Umdrehungen als das andere) abgeschätzt werden. Die grosse Problematik bei der Odometrie ist die Kumulation von Fehlern. Stimmt beispielsweise der gemessene Umfang eines Rades nicht exakt, wird dieser Fehler mit jeder Umdrehung zur Gesamtschätzung dazu addiert. Deshalb wird für exaktere Positionsberechnungen die Odometrie oft mit einem zusätzlichen Verfahren kombiniert.

Interessante Literatur zum Thema: Hugh Durrant-Whyte and Tim Bailey (2006): Simultaneous Localization and Mapping (SLAM): Part I The Essential Algorithms.

Bei AKAD Technics werden in verschiedenen Fächern aktuelle und kontroverse Themen aus den unterschiedlichsten Blickwinkeln beleuchtet, damit die Studierenden fundiert und aktiv zur Meinungsbildung beitragen können.

 

Autor:
Herr Jonas Krüsi, MSc ZFH in Engineering, Systemingenieur Robotik
Publiziert am 21.06.2016 im Auftrag von AKAD Technics

 

 

            

Kontakt

AKAD Technics Zürich
Jungholzstrasse 43
8050 Zürich

Telefon 044 307 33 33
Telefax 044 307 32 22
Web
E-Mail technics@akad.ch