Joint Field Characterisation of Onboard Perception, Mapping and Manipulation on a Sub-13 kg Rocker-Bogie Rover

Roboter, die sehen, ihre Umgebung kartieren und Objekte aufheben können, sind nicht länger nur Science-Fiction; sie werden zu einer Realität für die Erkundung von Orten, die Menschen nicht ohne Weiteres erreichen können. Um in der freien Natur arbeiten zu können, müssen diese Maschinen klein genug sein, um ihre eigene Energie und ihre eigenen Computer mitzuführen, aber gleichzeitig leistungsstark genug, um Entscheidungen im laufenden Betrieb zu treffen. Die Herausforderung besteht darin, all diese anspruchsvollen Aufgaben – das Erkennen dessen, was sich vor ihnen befindet, den Aufbau einer mentalen Karte des Geländes und die Steuerung eines Arms zum Greifen von Dingen – in ein einziges, leichtgewichtiges Paket zu integrieren. Wenn Ingenieure diese Systeme entwerfen, testen sie jeden Teil oft separat in einem Labor, unter der Annahme, dass das Gesamtsystem gut funktionieren wird, wenn die Kamera allein gut funktioniert und der Motor allein gut funktioniert. In der realen Welt konkurrieren diese Teile jedoch um denselben Akku und denselben Computerchip. Zu verstehen, wie sie sich tatsächlich verhalten, wenn sie alle gleichzeitig laufen, insbesondere auf einem kleinen Fahrzeug, das sich über Gras bewegt, ist entscheidend dafür, zu wissen, wie lange ein Roboter wirklich durchhalten kann und wie sicher er operieren kann.

Ein Forschungsteam am Vellore Institute of Technology in Indien unternahm den Versuch, genau dieses Szenario zu testen. Sie bauten einen kleinen, sechsrädrigen Rover, der weniger als 13 Kilogramm wog – etwa in der Größe eines großen Koffers, aber mit einem Federungssystem, das darauf ausgelegt war, seinen Körper auch auf unebenem Boden eben zu halten. Dieses Fahrzeug war mit einer Kamera, einem Laserscanner zur Distanzmessung und einem sechsgliedrigen Roboterarm ausgestattet. Die gesamte „Gehirnarbeit“ wurde von einem einzigen, kompakten Computermodul in der Größe einer Kreditkarte geleistet, das alles bewältigen musste, von der Identifizierung eines Ziels bis hin zur Steuerung der Räder und der Bewegung des Arms. Die Forscher nahmen diese Maschine mit nach draußen auf ein Grasfeld, um zu sehen, wie sie abschneidet, wenn alle Systeme gleichzeitig statt isoliert laufen.

Die Ergebnisse zeichneten ein komplexes Bild von Erfolg und Einschränkung. Das Visionssystem des Roboters, das damit beauftragt war, ein spezifisches 12 Zentimeter großes zylindrisches Objekt zu finden, war recht effektiv. Selbst während der Roboter auch seine Umgebung kartierte und seinen Pfad plante, identifizierte die Kamera das Ziel in fast 90 Prozent der Testbilder korrekt. Der Roboter bewegte sich mit einer konstanten Geschwindigkeit von etwa 14,5 Bildern pro Sekunde, was schnell genug war, um mit seinem Laserscanner Schritt zu halten. Was die Navigation betest, erstellte der Roboter eine Karte eines 10 Meter mal 10 Meter großen Grasstücks mit einer Positionierungsgenauigkeit von etwa 11 Zentimetern. Dieses Ergebnis wurde jedoch nur deshalb erreicht, weil das Testfeld von Kegeln und Zäunen umgeben war, um die vertikalen Strukturen bereitzustellen, die der Laserscanner benötigt; die Arbeit stellt fest, dass diese Genauigkeitszahl für dieses begrenzte Grundstück gilt und keine Aussage über die Leistung auf offenem Gras trifft. Diese Präzision ermöglichte es dem Roboter, Hindernisse zu erkennen und seine Route in nur 220 Millisekunden neu zu planen – eine Geschwindigkeit, die ausreichte, um das Fahrzeug bei einer Höchstgeschwindigkeit von etwa 0,34 Metern pro Sekunde sicher zu führen.

Die Aufgabe der physischen Manipulation war ebenfalls weitgehend erfolgreich. Bei über 30 Versuchen, den Zylinder zu finden, anzusteuern und aufzuheben, war der Roboter in 23 Fällen erfolgreich, was einer Erfolgsquote von etwa 77 Prozent entspricht. Das Paper betont jedoch, dass dieser Punktschätzwert mit einem weiten 95%-Konfidenzintervall von 0,59 bis 0,88 einhergeht, was bedeutet, dass die wahre Erfolgsrate signifikant niedriger oder höher sein könnte, und dass der kleine Stichprobenumfang eine statistisch zuverlässige Trennung der Fehlermodi verhindert. Die meisten Fehler traten nicht auf, weil der Arm zu schwach oder der Greifer zu ungeschickt war, sondern weil der Roboter an der falschen Stelle stoppte. Der Arm war in einer festen Position montiert, sodass er das Objekt nicht erreichen konnte, wenn die Räder auch nur wenige Zentimeter abseits des Ziels anhielten. Dies verdeutlichte, dass die Fähigkeit des Roboters, Dinge zu greifen, eher durch die Präzision seines Parkens als durch die Stärke seines mechanischen Arms begrenzt war.

Der vielleicht bedeutendste Befund betraf den Energieverbrauch des Roboters. Ingenieure versuchen oft vorherzusagen, wie lange ein Roboter durchhält, indem sie den Stromverbrauch seiner Kamera, seiner Motoren und seines Arms addieren, wenn jeder einzeln getestet wird. In dieser Studie, als die Forscher den Stromverbrauch der einzelnen Systeme des Roboters in Isolation zusammenrechneten, sagten sie voraus, dass der Roboter bei einer gemischten Aufgabe etwa 22 Watt Leistung verbrauchen würde. Als sie den Roboter jedoch mit allen aktiven Systemen gleichzeitig betrieben, zog er tatsächlich 38,5 Watt. Das bedeutet, dass der reale Strombedarf fast doppelt so hoch war, wie die separaten Tests suggerierten. Der zusätzliche Strom wurde verbraucht, weil sich die Systeme gegenseitig beeinflussten und eine Last erzeugten, die eine einfache Addition nicht vorhersehen konnte. Basierend auf dieser tatsächlich gemessenen Leistungsaufnahme berechneten die Forscher, dass der Roboter mit einer einzigen Akkuladung etwa 5,3 Stunden operieren kann. Es ist wichtig anzumerken, dass es sich bei diesem Ausdauerwert um eine abgeleitete Berechnung handelt, die auf einer angenommenen Entladetiefe des Akkus (90 %) basiert, und nicht um eine gemessene Laufzeit bis zur Abschaltung, was bedeutet, dass die tatsächliche Zeit je nach dieser Annahme variieren kann.

Die Studie untersuchte auch die Fähigkeit des Roboters, mit seinem menschlichen Bediener zu kommunizieren. Das Team nutzte eine Standardfunkverbindung, um Statusmeldungen zu senden, stellte jedoch fest, dass die Verbindung über Distanzen von 500 Metern unzuverlässig wurde und mehr als jede neunte Nachricht verloren ging. Aus diesem Grund entwarfen die Forscher den Roboter so, dass der Not-Aus-Schalter ein physischer Schalter am Fahrzeug selbst ist, der völlig unabhängig vom Funk arbeitet. Dies stellte sicher, dass selbst bei einem Verbindungsausfall ein Mensch den Roboter durch Drücken des Knopfes stoppen konnte – eine Sicherheitsmaßnahme, die angesichts der Einschränkungen des Funksignals in einer Grasumgebung als essenziell erwiesen wurde.

Letztlich zeigt diese Forschung, dass der Bau eines fähigen, kleinskaligen Roboters mehr erfordert als nur die Montage guter Einzelteile. Es erfordert das Verständnis darüber, wie diese Teile unter realen Bedingungen interagieren. Die Studie zeigte, dass der Roboter zwar in der Lage war, im Freien zu navigieren, zu kartieren und Objekte zu manipulieren, seine wahren Grenzen jedoch durch die Reibung des Grases, die Präzision seines Parkens und die verborgenen Energiekosten des gleichzeitigen Betriebs aller Systeme definiert waren. Die Ergebnisse dienen als Erinnerung daran, dass für kleine Roboter das Ganze oft anspruchsvoller ist als die Summe seiner Teile und dass akkurate Feldtests der einzige Weg sind, um zu wissen, was eine Maschine wirklich leisten kann.