Stellen Sie sich eine Welt vor, in der winzige, fliegende Roboter – Drohnen – perfekt auf einem bestimmten Punkt landen müssen, wie eine Biene, die zu ihrem Bienenstock zurückkehrt. Um dies sicher zu tun, verlassen sie sich oft auf „Fiducial Marker“ (Merkmale zur Orientierung). Stellen Sie sich diese Marker wie riesige, kontrastreiche QR-Codes vor, die auf den Boden gemalt sind. Die Kamera einer Drohne blickt nach unten, erkennt das schwarz-weiße Muster und weiß sofort: „Hier bin ich, und so bin ich ausgerichtet.“ Dies ist das Rückgrat der modernen Drohnennavigation. Aber es gibt einen Haken: Diese Codes haben eine „Goldlöckchen-Zone“. Wenn die Drohne zu hoch oben ist, sieht der Code zu klein aus, um gelesen zu werden. Wenn die Drohne zu tief heruntersaust, wird der Code so groß, dass er über den Rand des Sichtfelds der Kamera hinausragt, und die Drohne verliert die Orientierung. Wissenschaftler haben versucht, dies zu beheben, indem sie kleinere Codes in größere Codes einbetten, wie russische Matroschka-Puppen, damit die Drohne zu einem kleineren Modell wechseln kann, während sie sich nähert. Diese alten „Matroschka“-Designs haben jedoch einen fatalen Fehler: Wenn die Mitte der großen Puppe durch ein Blatt, einen Vogel oder sogar einen Schatten verdeckt wird, bricht das gesamte System zusammen und die Drohne wird blind.

Dieses Paper stellt ein neues, intelligenteres Design namens Recursive ArUco Marker (oder RArUco) vor. Anstatt die kleineren Codes nur im Zentrum oder in den weißen Teilen des großen Codes zu verstecken, bettet diese neue Methode eine vollständige, funktionierende Kopie des Markers in jedes einzelne Quadrat des großen Markers ein, egal ob dieses Quadrat schwarz oder weiß ist. Es ist wie eine magische Landkarte, bei der jede einzelne Kachel auf der Karte eine kleinere, perfekte Kopie der gesamten Karte enthält. Die Autoren fanden heraus, dass sie, indem sie nur die „Kanten“ oder Ränder dieser Quadrate betrachten, um den Code zu lesen (und den unordentlichen Mittelteil ignorieren), Marker bauen konnten, die in jeder Entfernung funktionieren, massive Schäden oder Verdeckungen überstehen und es einer ganzen Flotte von Drohnen ermöglichen, auf ihren eigenen, einzigartigen Plätzen zu landen, ohne sich zu verwirren. Durch Simulationen und reale Flugtests mit einer DJI-Drohne zeigten die Teams, dass dieser neue Marker schneller, robuster und zuverlässiger als bisherige Versuche ist und die Augen der Drohne offen hält, selbst wenn die Sicht teilweise blockiert oder die Kamera erschüttert wird.

Das Problem: Das „Zu groß, zu klein“-Dilemma

Stellen Sie sich vor, Sie versuchen, ein Straßenschild zu lesen, während Sie fahren. Wenn Sie eine Meile entfernt sind, ist das Schild nur ein verschwommener Punkt. Wenn Sie direkt davor stehen, ist das Schild so riesig, dass Sie nur ein winziges Fragment davon sehen können, und Sie können es trotzdem nicht ganz lesen. Genau das passiert Drohnen beim Landen auf Standard-Markern. Ein Marker, der groß genug ist, um aus großer Höhe gesehen zu werden, wird für die Kamera zu groß, wenn die Drohne nahe herankommt, was dazu führt, dass die Drohne die Spur verliert.

Um dies zu lösen, versuchten Wissenschaftler zuvor mit „verschachtelten“ Markern. Denken Sie an diese wie an ein Set von Matroschka-Puppen: Eine große Puppe hat eine kleinere Puppe in sich, die wiederum eine noch kleinere Puppe in sich hat. Während die Drohne näher kommt, hört sie auf, die große Puppe zu betrachten, und beginnt, die winzige Puppe im Inneren zu lesen. Aber hier liegt der Haken: In diesen alten Designs steckten die winzigen Puppen oft in der Mitte oder in den weißen Flächen fest. Wenn eine Biene auf die Mitte landete oder die Kamera der Drohne seltsam geneigt war, wurde die „innere Puppe“ verborgen, und das gesamte System versagte. Es war, als würde man versuchen, ein Buch zu lesen, bei dem die wichtigsten Wörter hinter einem Tintenfleck verborgen sind; wenn der Fleck da war, konnte man die Geschichte nicht mehr lesen.

Die Lösung: Die „Überall“-Karte

Die Autoren dieses Papers schlagen eine clevere Wendung vor: Recursive ArUco Marker. Anstatt die kleineren Marker nur an einem Ort zu verstecken, betten sie eine vollständige Kopie des Markers in jedes einzelne schwarze und weiße Quadrat des Eltern-Markers ein.

Um dies zu visualisieren, stellen Sie sich ein riesiges Schachbrett vor. In den alten „Fraktal“- oder „Harco“-Designs dürften Sie vielleicht nur ein kleineres Schachbrett auf die weißen Felder zeichnen, oder vielleicht nur in die Mitte. Aber in diesem neuen Recursive ArUco-Design enthält jedes einzelne Quadrat – egal ob schwarz oder weiß – eine winzige, perfekte Kopie des gesamten Schachbretts. Und in diesen winzigen Quadraten? Sogar noch winzigere Kopien! Man kann immer weiter hineinzoomen und wird immer eine funktionierende Karte finden.

Der magische Trick liegt darin, wie die Drohne diese Marker liest. Standardkameras schauen normalerweise in die Mitte eines Quadrats, um zu entscheiden, ob es schwarz oder weiß ist. Aber in diesem neuen Design ist die Mitte mit einer kleineren Karte beschäftigt, daher ist der Blick dorthin verwirrend. Die Lösung der Autoren ist es, die Kante oder den Rand des Quadrats zu betrachten. Es ist, als würde man eine Person anhand der Silhouette ihres Mantels identifizieren, anstatt nach dem Gesicht zu suchen, das darin verborgen ist. Da die Drohne nur die Kanten prüft, spielt es keine Rolle, ob die Mitte von einem Blatt, einem Schatten oder einem Vogel verdeckt wird. Der „Mantel“ ist immer noch sichtbar, und die Drohne weiß genau, wo sie ist.

Was sie fanden: Geschwindigkeit, Stärke und echte Flüge

Die Forscher haben diese Marker nicht nur gezeichnet; sie haben sie streng getestet.

1. Weiter sehen und näher kommen:
In Computersimulationen testeten sie, wie gut verschiedene Marker funktionierten, während sich eine Kamera von 0,5 Metern bis 100 Metern entfernt bewegte.

• Standard-Marker versagten, wenn die Drohne zu nah kam (der Marker geriet aus dem Sichtfeld) oder zu weit weg war (der Marker war zu klein).
• Alte „Fraktal“-Marker hatten Schwierigkeiten mit steilen Winkeln und konnten den Marker bei Entfernungen über etwa 31,9 Meter nicht mehr erkennen.
• Der neue Recursive ArUco funktionierte durchgehend bis zu einer Entfernung von 63,3 Metern und bewältigte extreme Winkel von bis zu 80 Grad (fast senkrecht von der Seite betrachtet), ohne das Signal zu verlieren. Er war zudem viel schneller und verarbeitete Bilder mit etwa 185 Bildern pro Sekunde (FPS), verglichen mit etwa 85 FPS bei Standard-Markern.

2. Dem „Schmierzustand“ trotzen:
Sie testeten, was passiert, wenn der Marker teilweise verdeckt (okkudiert) ist.

• Wenn man nur 5–10 % eines Standard-Markers abdeckt, versagt er oft.
• Die alten Fraktal-Marker brachen komplett zusammen, wenn die Mitte blockiert war.
• Die Recursive ArUco-Marker waren unglaublich robust. Sie hielten eine Erkennungsrate von 100 % aufrecht, selbst wenn 30 % des Bildes mit zufälligem schwarz-weißem Rauschen bedeckt waren. Sie konnten selbst dann noch gelesen werden, wenn 60 % des Markers aus dem Sichtfeld der Kamera beschnitten waren. Das ist so, als könnte man ein Buch lesen, selbst wenn die Hälfte der Seiten herausgerissen ist, solange man die Kanten des verbleibenden Textes noch sehen kann.

3. Reale Flugtests:
Schließlich nahmen sie eine echte DJI Mini 4 Pro Drohne und flogen sie über eine physische 30 × 30 cm große Landeplattform. Die Drohne startete, flog bis auf 15 Meter Höhe und landete wieder.

• Der Marker funktionierte während des gesamten Fluges perfekt.
• Der einzige Moment, in dem es etwas wackelig wurde, war an der Spitze (bei etwa 14 Metern), wo der Marker so klein wurde, dass er schwer zu erkennen war.
• Als die Drohne herabsank, wurde der Marker sofort wieder erkannt, was eine sanfte, kontinuierliche Landung ermöglichte.

Warum das wichtig ist

Der spannendste Teil ist nicht nur, dass der Marker robust ist, sondern dass er einzigartig ist. In den alten „Fraktal“-Designs hatten die inneren Marker keine eigene eindeutige ID; sie waren nur kleinere Versionen des großen Markers. Das bedeutete, dass man nicht einfach zwischen verschiedenen Landeplätzen unterscheiden konnte, wenn sie ineinander verschachtelt waren. Der Recursive ArUco behält die gleiche eindeutige ID auf jeder Ebene bei. Das bedeutet, dass eine ganze Flotte von Drohnen durch eine Stadt fliegen kann und jeder Drohne eine spezifische Landeplatz-ID zugewiesen werden kann. Egal wie hoch oder tief die Drohne ist, oder welchen Teil des Markers sie sieht, sie weiß genau, welches „Zuhause“ ihr gehört.

Die Autoren kommen zu dem Schluss, dass diese Methode ein einfaches, aber kraftvolles Upgrade ist. Sie erfordert keine teure neue Hardware, sondern nur eine intelligentere Art, den Code zu zeichnen und zu lesen. Indem sie den unordentlichen Mittelteil ignorieren und sich auf die stabilen Ränder konzentrieren, haben sie ein Landesystem geschaffen, das schneller, zuverlässiger und bereit für die chaotischen, realen Lüfte ist, in denen Drohnen tatsächlich fliegen.