ADAPT: An Autonomous Forklift for Construction Site Operation

Dit artikel presenteert ADAPT, een volledig autonome off-road heftruck die AI-gestuurde perceptie integreert met traditionele controlemethoden om door complexe bouwomgevingen te navigeren, waarbij door middel van uitgebreide tests in de echte wereld wordt aangetoond dat het een prestatie op bijna menselijk niveau kan bereiken bij het hanteren van materialen onder diverse weersomstandigheden.

De kern

Stel je een bouwplaats voor als een chaotische, modderige dansvloer waar zware materialen van vrachtwagens naar specifieke plekken moeten worden verplaatst. Meestal zit er een menselijke chauffeur in een heftruck, die door stof en regen heen tuurt, terwijl hij probeert te raden waar hij de vorken moet plaatsen. Dit is vermoeiend, traag en gevaarlijk.

Dit artikel introduceert ADAPT, een "robotheftruck" die deze taak volledig zelfstandig kan uitvoeren, zelfs wanneer de grond ongelijk is en het weer slecht is. Denk aan ADAPT niet als een starre magazijnrobot, maar als een slimme, terreinwagen die kan denken, zien en zichzelf door een rommelige bouwzone kan manoeuvreren.

Hier is hoe ADAPT werkt, onderverdeeld in eenvoudige delen:

1. Het Lichaam: Een Stoere Truck met een Brein

ADAPT is geen nieuw machineonderdeel dat vanaf nul is gebouwd; het is een standaard, zware truck-gemonteerde heftruck (de Palfinger BM154) die een "brein" en "zenuwen" heeft gekregen.

• De Zenuwen (Sensoren): In plaats van ogen heeft het een reeks sensoren. Het gebruikt LiDAR (zoals de sonar van een vleermuis, maar dan met lasers) om de vorm van de wereld in 3D te zien, stereocamera's (zoals menselijke ogen) om pallets te spotten, en GPS om te weten waar het zich op een kaart bevindt.
• Het Brein (Computer): Het heeft een robuuste computer die al deze gegevens direct verwerkt. Het is alsof je een co-piloot hebt die nooit moe wordt, nooit knippert en in milliseconden de veiligste route berekent.

2. De "Ogen": Zien door de Chaos Heen

Bouwplaatsen zijn rommelig. Pallets staan niet netjes op een rij; ze liggen verspreid, soms bedekt met vuil, en de grond is hobbelig.

• Het Vinden van de Pallets: ADAPT gebruikt een speciale "AI-detective" die is getraind op miljoenen computergegenereerde afbeeldingen. Het kijkt via de camera's naar de wereld en zegt: "Dat is een houten pallet!" Het bepaalt precies waar de pallet zich bevindt en hoe deze gekanteld is, zelfs als deze gedeeltelijk verborgen is.
• De "Magische" Kaart: Om te weten of het over een hoop grind of een plas water kan rijden, bouwt ADAPT een 2.5D-kaart. Stel je een topografische kaart voor die niet alleen weet waar dingen zijn, maar ook welke dingen veilig zijn om overheen te rijden en welke "verboden zones" zijn. Het werkt deze kaart constant bij terwijl het rijdt, en onthoudt waar obstakels waren en waar ze naartoe zijn bewogen.

3. Het "Geheugen": Weten Waar Alles Is

Een van de moeilijkste delen van rijden in een bouwzone is dat het GPS-signaal onbetrouwbaar kan worden en de grond verschuift.

• De Factor Graph: Het artikel beschrijft een slimme wiskundige truc genaamd een "factor graph". Stel je een groot web voor dat de locatie van de heftruck, de GPS en de pallets die het ziet, met elkaar verbindt. Als het GPS-signaal zwabbert, trekt het web zich strak rond de pallets die de heftruck ziet om de heftruck op koers te houden. Het is alsoك vastpakken van een leuning wanneer de vloer schudt; de heftruck gebruikt de pallets als ankers om nauwkeurig te blijven.
• Het Resultaat: Zelfs als het GPS-signaal een moment wegvalt, weet de robot precies waar hij zich bevindt ten opzichte van de pallet die hij probeert op te pakken.

4. De "Handen": De Lading Op Pakken

Zodra ADAPT een pallet heeft gevonden, moet hij deze oppakken. Dit is het lastige deel.

• Het "Gevoel": De heftruck heeft speciale druksensoren op de vorken. Het is alsof de machine gevoelige vingertoppen heeft. Wanneer de vorken de pallet raken, weet de robot precies wanneer hij moet stoppen met duwen. Hij raadt het niet; hij voelt het contact.
• De Benadering: Het maakt gebruik van een "visual servoing"-techniek. Stel je een videogame voor waarbij je een cursor perfect moet uitlijnen om op een doelwit te schieten. ADAPT past zijn positie constant aan op basis van wat de camera ziet, totdat de vorken perfect in de gaten van de pallet glijden.

5. De "Veiligheidsbewaker": Stoppen Voordat Er Een Crash Gebeurt

Bouwplaatsen zitten vol verrassingen: andere vrachtwagens, werkers en honden.

• De "Uitkijk": ADAPT heeft een toegewezen veiligheidssysteem dat het pad voor zich scant. Als het iets ziet bewegen (zoals een persoon of een graafmachine) dat mogelijk zijn pad kruist, probeert het niet eromheen te slingeren zoals een mens dat zou doen. In plaats daarvan trapt het op de rem en wacht het af.
• De Menselijke Back-up: Het systeem is nog niet perfect. Als de robot vastloopt of in de war raakt, kan een menselijke werker ingrijpen, de situatie oplossen, waarna de robot naadloos weer het taken overneemt. Het is als een zelfrijdende auto die een passagier om hulp vraagt wanneer hij verdwaald is, en daarna weer verder rijdt zodien de passagier de weg heeft gewezen.

De Grote Test: Robot vs. Mens

De onderzoekers hebben de robot niet alleen gebouwd; ze hebben hem ook getest. Ze vergeleken ADAPT met een menselijke heftruckchauffeur met 20 jaar ervaring.

• Het Oordeel: In verschillende weersomstandigheden (inclusief regen) presteerde ADAPT bijna net zo goed als de menselijke expert. Het was betrouwbaar, veilig en efficiënt.
• De Conclusie: Het artikel concludeert dat we dicht bij een toekomst zijn waarin robots het vuile, gevaarlijke en saaie werk van het verplaatsen van materialen op bouwplaatsen kunnen afhandelen, wat het werk veiliger maakt voor mensen en het proces efficiënter maakt.

Kortom: ADAPT is een stoere, zelfrijdende heftruck die lasers, camera's en slimme wiskunde gebruikt om door een rommelige bouwplaats te navigeren, verspreide pallets te vinden, ze veilig op te pakken en te leveren — en dat alles terwijl hij goed in de gaten houdt wat er om hem heen gebeurt om botsingen te voorkomen. Het is een robot die in de regen en de modder kan werken, net als een mens, maar dan zonder moe te worden.

Technische samenvatting

Technische Samenvatting: ADAPT – Een Autonome Heftruck voor Constructieplaatsen

Probleemstelling

Efficiënte materiaallogistiek is cruciaal voor het beheersen van kosten en schema's in de bouwsector, maar handmatige afhandeling blijft gevoelig voor inefficiëntie, vertragingen en veiligheidsrisico's. Hoewel autonome systemen volwassenheid hebben bereikt in gestructureerde omgevingen (bijv. magazijnen) en specifieke buitensectoren (bijv. oppervlaktemijnbouw, landbouw), brengt het inzetten van autonome heftrucks op bouwplaatsen unieke uitdagingen met zich mee. In tegen tegenstelling tot gecontroleerde omgevingen zijn bouwplaatsen ongestructureerd, gekenmerkt door dynamische obstakels, oneffen terrein en variabele weersomstandigheden. Bovsendien kampt de sector met een tekort aan geschoolde werknemers en hoge veiligheidsrisico's, waarbij ongevallen gerelateerd aan materiaalafhandeling aanzienlijk bijdragen aan slachtoffers en kosten. Bestaand onderzoek naar autonome bouwmachines mist vaak uitgebreide real-world evaluaties van volledige laadcycli of het vermogen om robuust te opereren in ongestructureerde buitenomgevingen zonder vooraf gedefinieerde geleidingssystemen.

Methodologie

Het artikel presenteert ADAPT (Autonomous Dynamic All-terrain Pallet Transporter), een autonome off-road heftruck ontworpen om te opereren in ongestructureerde bouwomgevingen zonder de noodzaak van vooraf gedefinieerde infrastructuur. Het systeem integreert AI-gestuurde perceptie met traditionele besluitvormings-, planning- en controlemethodologieën.

Systeemarchitectuur

• Hardwareplatform: Gebaseerd op de Palfinger BM154 vrachtwagen-gemonteerde heftruck, een centraal gelede, vierwielgestuurde voertuig. Het is aangepast met een gedistribueerde verwerkingsarchitectuur bestaande uit een B&R X90 PLC voor laag-niveau veiligheids- en aandrijfcontrole, en een robuuste industriële pc (IPC) voor hoog-niveau perceptie en planning.
• Sensorsuite: Het systeem maakt gebruik van een multi-sensor opstelling, waaronder:
  • RTK-GNSS (Septentrio mosaic-H): Voor centimeter-precieze globale lokalisatie.
  • LiDARs: Een breedveld Ouster OS1-64 voor mapping en obstakeldetectie; een smalveld Livox Mid-70 voor objectdetectie in de vorkrichting en detectie van de randen van de truck; en een Sick picoScan150 2D LiDAR voor precisie op korte afstand.
  • Stereo Camera (ZED 2i): Centraal voor palletdetectie en pose-schatting.
  • Proprioceptie: Wielencoders, lineaire potentiometers voor het centrale gewricht en druksensoren voor hydraulische feedback.

Perceptie en Lokalisatie

• Gewrichtslokalisatie en Palletmapping: Het systeem gebruikt een factor-graph-gebaseerd optimalisatiekader (met behulp van iSAM2) om de pose van de heftruck en de poses van pallets gezamenlijk te schatten. Deze aanpak combineert odometrie, GNSS en palletdetecties. In tegenstelling tot standaard SLAM dat vertrouwt op natuurlijke kenmerken, werkt deze methode op een hoger niveau door objectposes (palletlocaties) als landmarks te gebruiken, wat robuuste operatie mogelijk maakt, zelfs bij gedegradeerde GNSS-signalen.
• Traversability Mapping (Begaanbaarheidsmapping): Een 2.5D elevatiekaart wordt gegenereerd uit LiDAR-gegevens via een drietrapsproces (single scan analyse, 3D voxel aggregatie en elevatiekaartgeneratie). Deze kaart onderscheidt tussen begaanbare grond, obstakels en hellingen, wat cruciaal is om kantelen op oneffen terrein te voorkomen.
• Palletdetectie en Pose-schatting: Het systeem gebruikt een synthetisch getraind, geometrisch gebaseerd neuraal netwerk om Euro-pallets te detecteren en hun 6D-pose te schatten vanuit stereo dieptegegevens. De trainingspipeline genereert meer dan 150.000 synthetische stereo beeldparen om de sim-to-real kloof te minimaliseren. De pose-schatting maakt gebruik van een part-constellation model en een verfijningsstap gebaseerd op stereo dieptemetingen bij de oorsprong van de pallet.
• Obstakeldetectie: Een snel reagerend, sensor-frame-gebaseerd systeem gebruikt DBSCAN-clustering op LiDAR-puntenwolken om statische en dynamische obstakels te detecteren. Het hanteert een tracking-by-detection paradigma met Kalman-filtering om trajecten te voorspellen en botsingsrisico's te beoordelen, wat een noodstop triggert als een botsing dreigt.

Planning en Controle

• Taakplanning: Een Behavior Tree framework (BehaviorTree.CPP) beheert de uitvoering van taken op hoog niveau, inclus\nsluitend zoeken naar pallets, het selecteren van targets, naderen, laden, navigeren naar slots en lossen. Dit biedt modulariteit en reactiviteit aan dynamische omstandigheden.
• Bewegingsplanning en Controle: Het systeem gebruikt een Hybrid A planner* met een Reeds-Shepp configuratie voor padplanning, aangepast voor de kinematica van het centraal gelede voertuig. Een Lyapunov-gebaseerde padvolgend controller zorgt voor nauwkeurige trajectvolging.
• Docking: Precieze palletkoppeling wordt bereikt door middel van visual servoing, waarbij dieptecamera- en LiDAR-metingen worden geïntegreerd om de vorken dynamisch aan te passen tijdens de laatste benadering.

Belangrijkste Bijdragen

1. Ontwikkeling van een Autonome Off-Road Heftruck: Een compleet systeem dat in staat is tot laad- en lossingsoperaties in ongestructureerde buitenomgevingen, waarbij het bijna menselijke prestaties demonstreert onder uiteenlopende weersomstandigheden, inclusief robuuste operatie bij lage tot gemiddelde regenval.
2. Nieuw Unieke Factor-Graph-gebaseerde Optimalisatie: Een gezamenlijk optimalisatiekader voor precieze voertuillokalisatie en palletmapping, specifiek ontworpen om de nauwkeurigheid van objectmanipulatie bij palletladingstaken te verbeteren door pallets als hoog-niveau kaartkenmerken te behandelen.
3. Innovatieve Vorkcontactmeting: Een systeem dat gebruikmaakt van drukfeedback om de robuustheid van manipulatie en operationele veiligheid te verhogen, terwijl de kosteneffectiviteit behouden blijft.
4. Uitgebreide Prestatievaluatie: Een gedetailleerde kwantitatieve analyse die het autonome systeem vergelijkt met een deskundige menselijke operator (met meer dan 20 jaar ervaring) in real-world buitenomgevingen, waarbij operationele efficiëntie, robuustheid en de frequentie van menselijke interventies worden beoordeeld.

Resultaten

Het systeem werd gevalideerd door uitgebreide real-world tests op een bouwplaats.

• Lokalisatienauwkeurigheid: In GNSS-ontzegde scenario's (gesimuleerd door GNSS uit te schakelen na initialisatie), verminderde de fusie van odometrie met online palletdetecties de gemiddelde heftruck-tot-pallet positie Root Mean Square Error (RMSE) met 65% (van 0,182 m naar 0,064 m) vergeleken met alleen odometrie.
• Pose-schatting: Het palletpose-schattingssysteem bereikte voldoende nauwkeurigheid voor succesvolle vorkinjectie, waarbij fouten afnamen naarmate de sensorafstand kleiner werd.
• Operationele Prestaties: Een vergelijkende analyse met de menselijke operator toonde aan dat de autonome heftruck kan opereren met prestaties op menselijk niveau. Het systeem voltooide succesvol laad- en lossingscycli in verschillende weersomstandigheden.
• Menselijke Interventie: Hoewel 100% operationele betrouwbaarheid niet werd bereikt voor flexibel gebruik, is het systeem ontworpen met een naadloos mens-machine interactieconcept. Menselijke werkers konden interveniëren voor veiligheids- of operationele redenen, waarna de autonome operatie soepel werd hervat.

Betekenis en Claims

Het artikel claimt dat ADAPT een levensvatbaar pad biedt naar veiligere en efficiëntere constructielogistiek door de specifieke uitdagingen van ongestructureerde buitenomgevingen aan te pakken. De auteurs benadrukken dat hun werk de kloof overbrugt tussen volwassen indoor automatisering en de veeleisende omstandigheden van bouwplaatsen. Door aan te tonen dat autonome off-road heftrucks prestaties kunnen leveren die vergelijkbaar zijn met die van ervaren menselijke operators, suggereert de studie dat automatisering een haalbare oplossing is voor het tekort aan arbeidskrachten en de veiligheidsrisico's in de bouwsector. Het artikel concludeert dat hoewel volledige autonomie in alle omstandigheden nog geen realiteit is, de integratie van AI-gestuurde perceptie met klassieke controlemethoden, gecombineerd met een robuust human-in-the-loop veiligheidsconcept, betrouwbare operatie in complexe, dynamische omgevingen mogelijk maakt.