Visionbasierte kollaborative Roboter zur Erkundung in unebenem Terrain

Die Erkundung von Aufgaben in unbekannten Umgebungen ist zu einem relevanten Ansatz in der Robotik für Suche und Rettung geworden. Bodenroboter sind eine bessere Alternative zu Rettungskräften für die erste Erkundung. Allerdings wird der Fortschritt der Erkundung oft durch unebenes Terrain limitiert, das die kinematischen Fähigkeiten von Robotern, auch von solchen mit komplexen Fortbewegungssystemen, übersteigt. Diese Arbeit schlägt eine innovative Lösung basierend auf kollaborativem Verhalten vor, um unebene Terrains zu überwinden. Eine Methode, die zwei kollaborative Roboter umfasst, die dafür ausgelegt sind, in einer Beuteltier-Konfiguration zu operieren, wurde implementiert, um unebenes Terrain zu überwinden. Diese Roboter, bezeichnet als R1 (ausgestattet mit einer mobilen Rampe) und R2 (der als Erforscher dient), interagieren synergistisch, um die erkundete Fläche autonom zu erweitern. Eine Zustandsmaschine wurde implementiert, um den Fortschritt der Mission zu verwalten, basierend auf einem Wahrnehmungssystem (RGB-D), sowohl für die Entscheidungsfindung als auch für die autonome Ausführung des Prozesses. In der Anfangsphase werden das Terrain und die zu erkundenden Aufstiegzonen mittels Punktwolken und unüberwachtem Lernen charakterisiert. Anschließend verwaltet die zweite Phase die Interaktion zwischen den Robotern, indem sie den Aufstieg von R2 über die Rampe von R1 mit Hilfe von Algorithmen zur künstlichen Vision und Leuchtfeuern steuert. Freilufttests wurden durchgeführt, um die Methode zu validieren. Die wichtigsten Ergebnisse zeigen eine Effektivität von 95% bei der automatischen Identifizierung von Zugangsbereichen.