Stable Multi-Drone GNSS Tracking System for Marine Robots

Diese Arbeit stellt ein stabiles, Echtzeit-Tracking-System für Marine-Roboter vor, das mithilfe eines Schwarmes von Drohnen, visueller Erkennung, GNSS-Triangulation und eines erweiterten Kalman-Filters die Positionsbestimmung unter der Wasseroberfläche ermöglicht, wo GNSS-Signale nicht verfügbar sind.

Shuo Wen, Edwin Meriaux, Mariana Sosa Guzmán, Zhizun Wang, Junming Shi, Gregory Dudek

Veröffentlicht 2026-03-10
📖 5 Min. Lesezeit🧠 Tiefgang

Each language version is independently generated for its own context, not a direct translation.

Stellen Sie sich vor, Sie sind ein Taucher oder ein kleines Roboterboot, das unter der Wasseroberfläche schwimmt. Das Problem: Sobald Sie unter Wasser gehen, hören die GPS-Signale von den Satelliten im Weltraum auf zu funktionieren. Es ist, als würde man in einen Keller gehen und plötzlich kein Handy-Empfang mehr haben. Ohne GPS wissen die Roboter nicht, wo sie sind, und können sich verirren.

Dieser Artikel beschreibt eine clevere Lösung für dieses Problem: Ein Team von Drohnen, die wie ein fliegender Wächter über dem Wasser patrouillieren und den Roboter am Boden „per Auge" verfolgen.

Hier ist die Erklärung der Idee, aufgeteilt in einfache Teile:

1. Das Problem: Der „GPS-Tod" unter Wasser

Normalerweise nutzen Roboter auf dem Meer GPS, genau wie Ihr Handy. Aber Wasser blockiert diese Signale sofort. Frühere Lösungen waren teuer, benötigten viele Bojen im Wasser (wie fest installierte Leuchttürme) oder waren so rechenintensiv, dass die Roboter daran „erstickten".

2. Die Lösung: Ein Team von Drohnen als „fliegende Augen"

Statt dass der Roboter selbst GPS braucht, fliegen mehrere Drohnen über dem Wasser.

  • Die Drohnen haben Kameras und GPS-Empfänger an Bord.
  • Der Roboter ist einfach ein Objekt, das sie sehen können.
  • Die Magie: Die Drohnen sehen den Roboter, berechnen, wo er sich relativ zu ihnen befindet, und nutzen ihr eigenes GPS, um die genaue Position des Roboters zu bestimmen.

Stellen Sie sich vor, Sie stehen in einem großen, nebligen Park und verlieren Ihr Kind aus den Augen. Statt selbst zu suchen, rufen Sie drei Freunde an, die auf hohen Bäumen sitzen. Jeder sieht das Kind aus einer anderen Perspektive und ruft: „Ich sehe es 10 Meter nördlich von mir!" Wenn Sie diese drei Informationen zusammenfügen, wissen Sie genau, wo das Kind ist – auch wenn Sie selbst nicht hinschauen können.

3. Wie funktioniert das genau? (Die drei Schritte)

Schritt A: Sehen und Erkennen (Das Auge)
Die Drohnen nehmen Videos auf. Eine künstliche Intelligenz (ein spezielles Computer-Programm namens YOLO) schaut sich das Video an und sagt: „Da ist ein Roboterboot!" Sie markieren ihn wie einen Punkt auf einem Bildschirm.

Schritt B: Rechnen (Der Mathematiker)
Die Drohne weiß:

  1. Wo sie selbst ist (durch ihr GPS).
  2. Wie hoch sie fliegt.
  3. In welche Richtung sie schaut.
  4. Wo der Roboter im Bild ist.

Mit ein bisschen Geometrie (wie bei einem Laserpointer, der auf den Boden zeigt) berechnet die Drohne: „Wenn ich hier bin und auf diesen Punkt im Bild schaue, muss der Roboter genau dort auf dem Wasser sein."

Schritt C: Zusammenführen und Glätten (Der Filter)
Hier wird es spannend. Was passiert, wenn eine Drohne den Roboter kurz verliert, weil eine Welle das Bild verzerrt oder der Wind die Drohne wackeln lässt?

  • Das Team-Prinzip: Wenn Drohne 1 den Roboter kurz nicht sieht, sieht Drohne 2 oder 3 ihn vielleicht noch. Sie tauschen ihre Daten aus.
  • Der „Vertrauens-Filter": Das System nutzt einen mathematischen Filter (einen „Erweiterten Kalman-Filter"). Stellen Sie sich das wie einen erfahrenen Dirigenten vor, der viele Musiker hört. Wenn ein Musiker (eine Drohne) einen falschen Ton spielt (ein verrauschtes Signal), ignoriert der Dirigent ihn kurzzeitig und vertraut den anderen mehr. So bleibt die Position des Roboters stabil, auch wenn die Daten mal wackeln.

4. Das große Rätsel: „Wer ist wer?" (ID-Stabilität)

Ein großes Problem bei mehreren Kameras ist: Wenn Drohne A einen Roboter sieht und ihm die Nummer „1" gibt, und Drohne B denselben Roboter sieht, gibt sie ihm vielleicht die Nummer „2". Das System würde denken, es wären zwei verschiedene Roboter.

Die Forscher haben einen cleveren Trick entwickelt:
Sie nutzen nicht nur das Bild, sondern auch die GPS-Position.

  • Die Analogie: Stellen Sie sich vor, Sie suchen nach Freunden in einer Menschenmenge. Sie schauen nicht nur auf das Gesicht (Bild), sondern auch darauf, wo die Freunde stehen (GPS). Wenn Drohne A sagt: „Das ist Person 1, sie steht am nördlichen Ende" und Drohne B sagt: „Ich sehe jemanden am nördlichen Ende", dann weiß das System: „Aha, das ist dieselbe Person!"
  • Sie haben einen Algorithmus entwickelt, der sicherstellt, dass alle Drohnen denselben Roboter mit derselben Nummer bezeichnen, egal aus welchem Blickwinkel sie ihn sehen.

5. Die Ergebnisse: Wie gut funktioniert es?

Die Forscher haben das System in Tests auf einem See ausprobiert.

  • Ergebnis: Das System ist extrem präzise. Der Fehler lag im Durchschnitt bei weniger als 1,5 Metern. Das ist so, als würden Sie jemanden in einem großen Fußballstadion finden und sagen: „Er ist genau dort im Tor", und Sie liegen nur einen Schritt daneben.
  • Robustheit: Selbst wenn der Wind stark wehte und die Drohnen wackelten (was die Bilder verzerren würde), blieb das System stabil. Die Drohnen-Teamarbeit rettete die Daten, wenn eine einzelne Drohne kurzzeitig den Kontakt verlor.
  • Geschwindigkeit: Das System läuft in Echtzeit. Die Drohnen aktualisieren die Position des Roboters etwa 5-mal pro Sekunde. Das ist schnell genug, damit der Roboter sofort reagieren kann, wenn er sich in die falsche Richtung bewegt.

Fazit

Dieses System ist wie ein fliegender Sicherheitsdienst für Roboter unter Wasser. Es ist günstig (man braucht keine teuren Bojen im Wasser), funktioniert auch ohne Infrastruktur und ist sehr zuverlässig, weil mehrere Drohnen zusammenarbeiten.

Es ist ein großer Schritt für die Zukunft, um Roboter bei Rettungseinsätzen, bei der Untersuchung von Unterwasser-Rohren oder sogar beim Beobachten von Fischschwärmen sicher und präzise zu navigieren, ohne dass sie jemals das GPS-Signal verlieren müssen.