Autonome Navigation kann komplex und verwirrend sein. Viele Mythen ranken sich um Technologien wie die SLAM-Technologie (Simultaneous Localization and Mapping) und ihre Anwendung in autonomen Systemen. Als Experten für autonome Navigation klären wir heute die häufigsten Missverständnisse rund um die ANT-Navigationstechnologie von BlueBotics auf, beginnend mit der fundamentalen Frage nach SLAM-Technologie und ihrer Rolle.
Mythos 1: ANT ist SLAM-Navigation
FALSCH: Die ANT-Navigation, die auf natürlichen Merkmalen basiert, verwendet SLAM während des Navigationsprozesses nicht. Tatsächlich nutzen fast alle autonomen Navigationslösungen SLAM nur ein einziges Mal: zur Erstellung ihrer anfänglichen Standortkarte.
Um diesen Mythos zu entkräften, müssen wir zunächst die SLAM-Technologie definieren. SLAM (Simultaneous Localization and Mapping) ist ein algorithmischer Ansatz, der von den meisten Arten der natürlichen Navigationstechnologie verwendet wird, um eine Karte einer Umgebung zu erstellen. Diese Karte wird dann von fahrerlosen Transportsystemen (FTS) und mobilen Robotern (AMR) genutzt, um ihre Position zu berechnen und sich durch diese Umgebung zu bewegen. Natürliche Navigation wird manchmal auch als “freie Navigation”, “bandlose Navigation” oder, etwas verwirrender, als “SLAM-Navigation” bezeichnet.
Bei natürlichen Navigationstechnologien wird die SLAM-Technologie in den meisten Fällen nur für die einmalige Erstellung der Referenzkarte eines Standorts verwendet. Dieser Prozess findet während der Inbetriebnahme des ersten FTS statt. In seltenen Fällen jedoch – bei einigen “Scan-Matching”-Versionen der natürlichen Navigation – wird SLAM sowohl zur Erstellung als auch zur regelmäßigen Aktualisierung einer gitterbasierten Karte der Umgebung eingesetzt. Dieser Ansatz birgt Herausforderungen in Bezug auf Genauigkeit und Wiederholbarkeit, da die Aktualisierung der Koordinaten von Strukturen in der Karte es extrem schwierig, wenn nicht gar unmöglich macht, eine stabile Einrichtung zu gewährleisten. Dieser Ansatz der Kartenaktualisierung ist zudem anspruchsvoll hinsichtlich der vor Ort erforderlichen drahtlosen Konnektivität, da bei jeder Kartenaktualisierung diese von einem zentralen Server von jedem Fahrzeug der Flotte nahezu in Echtzeit heruntergeladen werden muss.
Mit der Autonomen Navigationstechnologie (ANT) von BlueBotics ist dies nicht der Fall. SLAM wird nur einmal verwendet – während der anfänglichen Erstellung der Standortkarte.
Bei der ANT-Navigation mit natürlichen Merkmalen von BlueBotics wird SLAM nur einmal verwendet – während der anfänglichen Kartenerstellungsphase. So funktioniert der Kartenerstellungsprozess mit ANT:
- Kartenerstellung: Ein Integrator fährt das Fahrzeug manuell durch den Standort. Die Daten der Sicherheits-Laserscanner werden zur Erstellung der Rohkarte verwendet. Dieser spezielle Prozess nutzt tatsächlich SLAM.
- Kartenbereinigung: Der Integrator entfernt dann temporäre oder dynamische Objekte (wie Kisten, Paletten, andere Fahrzeuge usw.) mit der BlueBotics ANT-Lab-Software von der Karte.
- Ergebnis: Das Ergebnis ist eine saubere Karte, die nur die permanenten, statischen Merkmale des Standorts enthält, wie Wände, Säulen und feste Maschinen (und bei Bedarf, wenn es wenige “natürliche” Merkmale in der Umgebung gibt, auch reflektierende Aufkleber).
- Navigation: Danach gleicht die ANT-Software diese permanenten Referenzen während der Missionen mit den Daten des Laserscanners des Fahrzeugs ab (sogenanntes Feature Matching), wodurch das Fahrzeug seine Position genau berechnen und effektiv navigieren kann.
Da nur ursprüngliche, permanente Merkmale als Referenzen zur Berechnung der Fahrzeugposition verwendet werden, wird eine hohe Präzision über die Zeit gewährleistet – es besteht keine Gefahr, dass Messfehler eingeschleppt und sich summieren. Die Karte wird niemals aktualisiert. Sie ändert sich nie. Zum Beispiel führt das allererste mit ANT angetriebene Fahrzeug, ein Esatroll Paquito FTS, das 2009 bei Dal Colle (Barilla Group) in Italien in Betrieb genommen wurde, seine Missionen immer noch mit seiner ursprünglichen Standortkarte aus. Die permanente Struktur des Gebäudes hat sich nicht geändert, daher musste sich auch die Karte nicht ändern.
Mythos 2: Navigation mit natürlichen Merkmalen ist nicht zuverlässig
FALSCH: ANT ist extrem zuverlässig und robust.
Es ist keineswegs einfach, die Wiederholbarkeit und Zuverlässigkeit des Betriebs eines automatisierten Fahrzeugs mittels natürlicher Merkmalsnavigation zu gewährleisten. ANT erreicht dies jedoch wiederholt über die Zeit und ohne Genauigkeitsverlust. Bei der ANT-Navigation wird die genaue Position eines Fahrzeugs in der Karte durch “Feature Matching” (Abgleich permanenter Referenzen in der Karte mit den Laserscanner-Daten des Fahrzeugs) und Odometrie bestimmt, die zur Messung der Positionsänderung des Fahrzeugs durch Berechnung seiner Bewegung verwendet wird. Ein Feature-Matching-Ansatz funktioniert unter anderem deshalb gut, weil Merkmale wie Wandsegmente und Säulen hinsichtlich ihrer spezifischen Größe und ihres Winkels sehr charakteristisch sind. Dies bedeutet, dass sie für ANT leicht zu identifizieren und erfolgreich abzugleichen sind.
Im Gegensatz dazu arbeiten die meisten anderen Formen der natürlichen Navigation auf der Ebene von Lasermessungen (d.h. Punkten). Diese werden in einer Gitterkarte gespeichert und verwendet, um die Lasermessungen eines Fahrzeugs während des Betriebs abzugleichen (sogenanntes “Scan Matching”). Anders ausgedrückt, ANT arbeitet auf einer höheren Abstraktionsebene: Anstatt auf der Ebene von Lasermessungen (Punkten) arbeitet es auf der Ebene von Strukturen (Wände, Säulen usw.). Dies macht den Matching-Prozess von ANT und seine Karte robuster und widerstandsfähiger gegenüber dynamischen Veränderungen in der Umgebung. Da keine temporären Objekte kartiert werden – diese werden während der Inbetriebnahme von der Karte entfernt – wird eine potenzielle Quelle für sich summierende Positionsfehler beseitigt. Wenn sich die permanenten “natürlichen Merkmale”, die für die Fahrzeugpositionierung verwendet werden, nicht ändern, gibt es keinen Grund, warum die Genauigkeit der Operationen eines ANT-gesteuerten Fahrzeugs abnehmen sollte.
Wenn unser Team bei BlueBotics mit langjährigen Kunden über ihre Analysen und Tests verschiedener FTS-Leitsysteme spricht, ist die Robustheit von ANT der Grund, den viele für die Auswahl und Beibehaltung von BlueBotics als Navigationspartner ihrer Wahl angeben.
BlueBotics 10 Millionen Kilometer
Klicken Sie auf das Bild, um zu erfahren, wie ANT-gesteuerte Fahrzeuge über 10 Millionen Kilometer zurückgelegt haben, was dem 250-fachen des Erdumfangs entspricht.
Mythos 3: Hindernisvermeidung bedeutet immer größere Effizienz
FALSCH: Hindernisvermeidung eignet sich für bestimmte Operationen, aber virtuelle Pfadverfolgung ist oft (kontraintuitiv) effizienter.
Wenn es darum geht, sich autonom durch eine Umgebung zu bewegen, neigen FTS und AMRs, die mit natürlicher Merkmalsnavigation gesteuert werden, dazu, einen von zwei Modi zu verwenden:
- Virtuelle Pfadverfolgung: Das Fahrzeug stoppt, wenn ein Hindernis seinen zugewiesenen Pfad blockiert, oder
- Hindernisvermeidung: Das Fahrzeug navigiert dynamisch um jedes Hindernis herum, bevor es versucht, so schnell wie möglich zu seinem zugewiesenen Pfad zurückzufinden.
Die ANT-Navigation bietet beide Ansätze, aber welcher ist der effizienteste? Das hängt von der Anwendung ab. Serviceroboter wie der Reinigungsroboter RA660 NAVI eignen sich für einen Ansatz zur Hindernisvermeidung. Serviceroboter wie die Reinigungsroboter von Cleanfix müssen jeden Zentimeter einer definierten Fläche abdecken, aber die Reihenfolge, in der sie dies tun, ist nicht so wichtig. Und an den Orten, an denen sie arbeiten, wie zum Beispiel in Einkaufszentren, gibt es viele Hindernisse wie Menschen, die sich bewegen. In solchen Fällen ist ein Ansatz zur Hindernisvermeidung eine gute Lösung.
In industriellen Anwendungen, bei denen FTS zur Automatisierung von Materialtransportaufgaben eingesetzt werden, mag es kontraintuitiv erscheinen, aber am häufigsten ist der “Stopp-und-Wart”-Ansatz der virtuellen Pfadverfolgung der effizienteste. Dr. Nicola Tomatis, CEO von BlueBotics, erklärt: “Selbst bei perfekter Hindernisvermeidung verlangsamt sich der Fortschritt Ihrer FTS oder AMRs im Vergleich zu Pfadfolgern, bei denen das Personal geschult ist, die Routen freizuhalten, wenn sie sich um Objekte bewegen müssen.” Darüber hinaus macht eine vollständige Hindernisvermeidung ein optimales Verkehrsmanagement nahezu unmöglich, was bedeutet, dass die Leistung einer gesamten Flotte durch die Freiheit eines einzelnen Fahrzeugs, das Hindernisvermeidung verwendet, stark beeinträchtigt werden könnte.
Dr. Tomatis kommentiert: “Betrachten Sie das Feedback, das wir kürzlich von einem Kunden, einem nordamerikanischen FTS-Hersteller, erhalten haben. Einer seiner Kunden, ein Reifenhersteller, betrieb zuvor eine Flotte von 37 FTS, die alle Hindernisvermeidung nutzten. Als das Unternehmen beschloss, diese Fahrzeuge nachzurüsten, entschied es sich jedoch für eine reine Pfadverfolgung mit ANT-Navigation in Verbindung mit der ANT-Server-Flottenmanagement-Software. Das Reifenunternehmen installierte tatsächlich sieben FTS weniger. Aber die 30, die es jetzt verwendet, haben sich als 10 % produktiver erwiesen als die vorherigen 37. Wenn es um die Gesamteffizienz geht, ist das der Unterschied der Pfadverfolgung.”
Mythos 4: Navigationsscanner werden oben platziert
FALSCH: ANT verwendet typischerweise die vorhandenen Sicherheits-Laserscanner eines Fahrzeugs, die an der Basis des Fahrzeugs positioniert sind.
Einige FTS, die natürliche Navigationstechnologie verwenden, setzen einen dedizierten LiDAR-Laserscanner für die Navigation ein. Dieser Sensor wird normalerweise hoch oben am Fahrzeug positioniert, damit er so viel wie möglich von der Umgebung “sehen” kann. Diese Sensorposition deutet normalerweise darauf hin, dass ein natürliches Navigationssystem eine “Scan-Matching”-Methodik anstelle eines “Feature-Matching”-Ansatzes verwendet (siehe Mythos 2). Da Scan Matching typischerweise die Identifizierung von etwa 60 % der Merkmale eines Standorts erfordert, um gut zu funktionieren, ist die Platzierung eines Scanners hoch oben am Fahrzeug sehr sinnvoll: Er kann einfach mehr vom Standort sehen als bei Messungen auf Bodenniveau.
Bei der ANT-Navigation mit natürlichen Merkmalen ist diese hohe Scannerposition jedoch nicht erforderlich. Mit ANT wird die Position eines Fahrzeugs in der Standortkarte durch eine Mischung aus Feature Matching (Abgleich permanenter Kartenreferenzen mit den Laserscanner-Daten des Fahrzeugs) und Odometrie bestimmt, die zur Messung der Positionsänderung des Fahrzeugs durch Berechnung seiner Bewegung verwendet wird. Daher muss ANT nur sporadisch einige wenige Umgebungsreferenzen – Wände, Säulen usw. – “sehen”, um eine präzise Fahrzeuglokalisierung zu ermöglichen.
Anstelle der 60 % Referenzen, die von Scan-Matching-Systemen benötigt werden, arbeitet ANT mit hoher Genauigkeit, wenn die Scanner eines Fahrzeugs nur 5 % – oder sogar weniger – der Umgebung “sehen” können. Tatsächlich bewegt sich ein Fahrzeug weiterhin auf seiner Route, selbst wenn über einen Zeitraum von wenigen Sekunden keine Merkmale erkannt werden. Die Verwendung der vorhandenen Sicherheitslaser eines Fahrzeugs zur Positionierung – selbst wenn sie sich auf Knöchelhöhe befinden und eine relativ begrenzte Sicht haben – stellt kein Problem dar.
Die ANT-Navigation mit natürlichen Merkmalen verwendet typischerweise Daten von den Sicherheits-Laserscannern eines Fahrzeugs auf Knöchelhöhe zur Lokalisierung. Zusammenfassend lässt sich sagen, dass die Platzierung von Navigationsscannern hoch oben an Fahrzeugen nützlich ist, aber nur für Systeme, die ein hohes Maß an Referenzen benötigen, um effizient zu arbeiten. Es ist auch mit ANT machbar, aber nicht wirklich erforderlich.
Zusätzliche Vorteile der Verwendung von Sicherheits-Laserscannern für die Fahrzeugpositionierung:
- Da die Daten von den Sicherheits-Laserscannern eines Fahrzeugs verwendet werden, eignet sich die ANT-Navigation mit natürlichen Merkmalen für jede Art von Fahrzeugformfaktor. Im Gegensatz dazu können “Underride”- (auch bekannt als “Maus”-) FTS nicht entwickelt werden, wenn ein Fahrzeug Scan-Matching zur Positionierung verwendet und daher seinen Navigationsscanner hoch oben platzieren muss.
- Die Verwendung der vorhandenen Sicherheitsscanner eines Fahrzeugs anstelle eines separaten Navigationsscanners bedeutet eine Komponente weniger, die der Fahrzeughersteller kaufen und integrieren muss. Es bedeutet auch einen potenziellen Fehlerpunkt weniger.
Mythos 5: ANT-gesteuerte Fahrzeuge können nicht im Freien navigieren
FALSCH: ANT-gesteuerte Fahrzeuge können und navigieren auch im Freien.
Der Betrieb von FTS im Freien war traditionell eine echte Herausforderung. Die meisten Außenbereiche verfügen über einen Mangel an natürlichen Merkmalen. In der Vergangenheit erschwerte dies die Berechnung der Fahrzeugposition, was manchmal den zusätzlichen Einbau von Infrastruktur erforderlich machte. Unsere Produkterweiterung, ANT everywhere, begegnet dieser Herausforderung, indem sie hochpräzises GNSS als zusätzliche Datenquelle zur Berechnung der Fahrzeugposition hinzufügt. Das Ergebnis ist, dass Outdoor-FTS-Operationen so einfach, robust und präzise sein können wie die Indoor-Operationen.
Mythos 6: ANT ist für FTS, nicht für AMRs
FALSCH: Sowohl FTS als auch AMRs können und werden von ANT angetrieben.
Gemäß dem Sicherheitsstandard “Für Industrielle Mobile Roboter – Sicherheitsanforderungen” ANSI/RIA R15.08-1-2020 (R15.08) wird “der grundlegende Unterschied zwischen FTS und AMRs dadurch gekennzeichnet, wie sie die spezifizierte Betriebsumgebung durchqueren. Ein FTS durchquert die spezifizierte Betriebsumgebung automatisch entlang vordefinierter Führungspfade (virtuell oder physisch) unter Verwendung von Kollisionsvermeidung”, während der Standard AMRs als fähig definiert, “die spezifizierte Betriebsumgebung durch die Erkennung von Hindernissen mittels Sensoren zu durchqueren und Pfade durch die Berechnung eines hindernisfreien Pfades durch den freien Raum anstatt eines vordefinierten Pfades anzupassen.”
Welcher Typ von automatisiertem Fahrzeug passt also zur ANT-Navigation? Die Antwort ist: beide. Da ANT sowohl virtuelle Pfadverfolgung (auch bekannt als Führungspfade) als auch Hindernisvermeidungsmodi bietet, kann es alle antreiben.
Während FTS typischerweise virtuelle Pfadverfolgung verwenden und AMRs Hindernisvermeidung nutzen, gibt es Überschneidungen. ANT kann alle antreiben. Um die Kompatibilität von ANT mit diesen beiden Navigationsmodi zu veranschaulichen, zeigt das untenstehende Video eine gemischte Flotte verschiedener Marken-FTS (mit virtueller Pfadverfolgung) und BlueBotics AMRs (mit Hindernisvermeidung). Alle diese Fahrzeuge werden von der BlueBotics ANT-Server-Software in einem einzigen Projekt verwaltet.
Mythos 7: ANT muss die gesamte Umgebung ständig sehen.
FALSCH: Selbst bei minimal sichtbaren Referenzen funktionieren ANT-gesteuerte Fahrzeuge.
Ein weit verbreitetes Missverständnis ist, dass jede Art von Navigationssystem in der Lage sein muss, zahlreiche Referenzen in der Umgebung kontinuierlich zu sehen oder zu identifizieren, damit ein Fahrzeug seine Position genau berechnen kann. Das trifft auf einige Navigationstechnologien zu, aber nicht auf ANT.
Ein ANT-gesteuertes Fahrzeug kann seine Position berechnen, selbst wenn nur sehr wenige Umgebungsmerkmale sichtbar sind. Ein Grund dafür ist, dass innerhalb des Positionierungsalgorithmus des Systems Laserscannerdaten durch robuste Odometrie ergänzt werden, die die Geschwindigkeit und Position des Fahrzeugs berechnet. Wenn daher ein oder mehrere Objekte – zum Beispiel ein anderes Fahrzeug – die Sichtlinie eines Laserscanners auf mehrere Referenzen blockieren, stellt dies kein Problem dar. Tatsächlich ist es unglaublich selten, dass ein ANT-gesteuertes Fahrzeug anhält und “verloren” geht, da ein Fahrzeug auch dann effektiv arbeiten kann, wenn weniger als 5 % der für die Positionierung verwendeten Umgebungsreferenzen sichtbar sind.
Im Gegensatz dazu müssen SLAM-basierte Navigationssysteme viel mehr Referenzen sehen, um ein FTS in der Karte zu positionieren oder zu “lokalisieren” (siehe Mythos 1). Und Lasertriangulations-Technologien (manchmal auch als lasergeführte Fahrzeuge oder LGVs bezeichnet) verlassen sich stattdessen auf den direkten Sichtkontakt zu mindestens drei reflektierenden Zielen gleichzeitig, um zu funktionieren.
SLAM-basierte Navigationssysteme müssen etwa 60 % der Umgebung sehen können, um effektiv zu navigieren. ANT-gesteuerte Fahrzeuge benötigen nur 5 %. In diesem Artikel haben wir die häufigsten Mythen über die ANT-Navigation mit natürlichen Merkmalen von BlueBotics entlarvt. Wenn Sie weitere Fragen dazu haben, wie sich ANT im Vergleich zu Scan Matching oder kontinuierlicher SLAM-Navigation verhält, schauen Sie sich unser On-Demand-Webinar “Paths to Success” an. Oder noch besser, nehmen Sie Kontakt mit uns auf, und unser Expertenteam hilft Ihnen gerne weiter.