MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams

Das MOSAIC-Framework ermöglicht die skalierbare autonome Koordination heterogener Roboterteams für wissenschaftliche Erkundung in feindlichen Umgebungen durch eine einheitliche Missionsabstraktion, was in einem lunaren Analogexperiment unter Beweis gestellt wurde, indem ein Team trotz des Ausfalls eines Roboters 82,3 % der Aufgaben mit nur geringer Operator-Belastung erfolgreich abschloss.

David Oberacker, Julia Richter, Philip Arm, Marvin Grosse Besselmann, Lennart Puck, William Talbot, Maximilian Schik, Sabine Bellmann, Tristan Schnell, Hendrik Kolvenbach, Rüdiger Dillmann, Marco Hutter, Arne Roennau

Veröffentlicht 2026-03-06
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

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

Stell dir vor, du bist der Kapitän eines Raumschiffs, das auf dem Mond landen soll. Deine Mission: Den Mond nach wertvollen Ressourcen absuchen. Aber hier ist das Problem: Du kannst nicht alles selbst steuern. Die Kommunikation mit der Erde ist langsam, und du hast nur eine Handvoll Leute zur Verfügung. Wenn du jeden einzelnen Roboter wie einen Puppenkasper per Fernbedienung bewegen müsstest, wäre die Mission ein Albtraum: Du würdest vor lauter Stress die Übersicht verlieren, und ein einziger Defekt würde alles stoppen.

Genau hier kommt MOSAIC ins Spiel.

Was ist MOSAIC?

MOSAIC ist wie ein intelligentes Orchester-Management-System für Roboter. Der Name steht für "Modulare Skalierbare Autonomie". Das klingt kompliziert, ist aber eigentlich ganz einfach: Es ist ein System, das es einem einzigen Menschen erlaubt, ein ganzes Team aus verschiedenen Robotern zu beaufsichtigen, ohne jeden einzelnen Schritt zu diktieren.

Stell dir vor, du bist der Dirigent. Du gibst nicht jedem Musiker den Taktstock, sondern sagst: "Wir spielen jetzt das Stück 'Erkunde den Krater'". Die einzelnen Musiker (die Roboter) wissen dann selbst, wie sie ihre Instrumente spielen, damit das Lied perfekt klingt.

Wie funktioniert das im Alltag?

1. Die "Punkte von Interesse" (POIs) – Die To-Do-Liste
Anstatt dem Roboter zu sagen: "Fahr 3 Meter vor, dreh dich links, hebe den Arm", gibt der Mensch dem System nur Punkte von Interesse (POIs).

  • Analogie: Stell dir vor, du gibst deinem Team von Abenteurern eine Karte mit roten Kreisen. "Geht dorthin und schaut euch das an." Ob der eine Roboter dort hinläuft, der andere hinfliegt oder ein dritter hinrollt, ist egal. Das System verteilt die Aufgaben automatisch basierend darauf, wer am besten geeignet ist.

2. Das Team: Entdecker und Wissenschaftler
Das Team besteht aus zwei Arten von Robotern, die sich perfekt ergänzen:

  • Die Entdecker (Scouts): Das sind die schnellen, wendigen Vierbeiner (wie Hunde oder Spinnen). Sie rennen voraus, klettern über Felsen und suchen nach interessanten Stellen. Sie haben Kameras, aber keine schweren Werkzeuge.
    • Metapher: Sie sind wie die Späher in einem Wald, die dem Hauptquartier zurufen: "Hey, da hinten sieht es interessant aus!"
  • Die Wissenschaftler: Das sind die schweren, stabilen Roboter mit Armen und Spezialwerkzeugen (wie Bohrern oder Spektrometern). Sie kommen erst, wenn die Entdecker etwas gefunden haben, und untersuchen es genau.
    • Metapher: Sie sind wie die Archäologen, die mit ihren Werkzeugen vorsichtig graben, sobald die Späher eine Schatzkiste gefunden haben.

3. Autonomie: Der "Autopilot"
Das Geniale an MOSAIC ist, dass die Roboter nicht nur Befehle ausführen, sondern mitdenken.

  • Wenn ein Roboter kaputtgeht (was im Weltraum passieren kann), übernimmt das System sofort einen anderen.
  • Wenn ein Roboter einen Felsen sieht, der aussieht wie ein Schatz, schlägt er dem Menschen vor: "Ich würde gerne hier messen." Der Mensch muss nur zustimmen ("Ja, mach das!"), muss aber nicht die Arm-Bewegungen steuern.
  • Der Mensch kann jederzeit eingreifen, wenn etwas schiefgeht, aber meistens lässt er die Roboter einfach laufen.

Der große Test: Ein Mond-Experiment auf der Erde

Die Forscher haben dieses System in einem Steinbruch in der Schweiz getestet, der wie der Mond aussieht (kahl, felsig, mit losem Boden). Sie hatten fünf Roboter und einen einzigen Menschen als Operator.

Das Ergebnis war beeindruckend:

  • Ein Roboter fiel aus: Ein wichtiger Entdecker-Roboter (Dodo) wurde vom Regen beschädigt und fiel aus. Normalerweise wäre das ein Desaster gewesen.
  • Das Team rettete die Mission: Die anderen Roboter passten sich sofort an. Sie erledigten 82 % aller Aufgaben, obwohl einer fehlte.
  • Der Mensch war nicht überlastet: Der Operator musste nur zu 78 % aktiv eingreifen. Das klingt viel, aber bedenke: Er musste nicht jeden Schritt steuern, sondern nur Entscheidungen treffen. Die Roboter arbeiteten zu 86 % der Zeit völlig autonom.

Was haben wir gelernt? (Die "Lehren")

Die Forscher haben einige wichtige Dinge für die Zukunft gelernt:

  1. Vielfalt ist gut: Ein Team aus verschiedenen Robotertypen (Räder, Beine, Flugzeuge) ist robuster als eine Armee von identischen Robotern. Wenn einer ausfällt, kann ein anderer die Aufgabe oft trotzdem erledigen.
  2. Kommunikation ist tricky: Drahtlose Verbindungen im Gelände sind oft störanfällig. Das System muss so gebaut sein, dass es auch dann funktioniert, wenn die Verbindung kurz abreißt.
  3. Der Mensch ist der Dirigent, nicht der Taktgeber: Der Mensch sollte sich auf das "Große Ganze" konzentrieren (Strategie, Entscheidungen), nicht auf das "Kleine" (wie viel ich den Arm hebe).

Fazit

MOSAIC zeigt uns, wie die Zukunft der Weltraumforschung aussehen könnte: Nicht mehr ein einzelner Roboter, der langsam und mühsam von einem Menschen gesteuert wird, sondern ein schwarmartiges Team, das selbstständig arbeitet, Fehler ausgleicht und von einem einzigen Menschen gelenkt wird. Es ist der erste Schritt zu echten, autonomen Expeditionen auf dem Mond oder Mars, bei denen wir nicht mehr jeden Schritt per Funk befehlen müssen, sondern einfach sagen: "Geht da raus und findet uns Gold."