Unser Team

Roboter, im Speziellen UAVs (unmanned aerial vehicles) (z.B. Quadrotoren) übernehmen immer mehr Verantwortung in Bereichen, in denen es für Menschen entweder zu gefährlich oder zu unangenehm ist (dangerous & dirty). Sie werden beispielsweise für Rettungsmissionen in Katastrophengebieten, zur Überwachung von Industrieanlagen, für landwirtschaftliche Zwecke oder bei wichtigen Logistikaufträgen (z.B. dem Transport von Medikamenten) eingesetzt.

In vielen Fällen fliegen die Drohnen (semi)-autonom, werden also nicht mehr durch einen Menschen gesteuert. In solchen Szenarien ist das Berechnen eines geeigneten, optimalen Pfades vom Startpunkt des Quadrotors bis zu dessen Ziel äußerst wichtig, um im Vorhinein gefährliche Flugmanöver oder gar Zusammenpralle zu vermeiden.

Um das Problem der optimalen Pfadplanung zu lösen, werden foglende Aspekte miteinander kombiniert:

Repräsentation:

Als Basis für spätere Planungs- und Optimierungsalgorithmen muss der dreidimensionale Raum zunächst in geeigneter Weise abstrahiert beziehungsweise mathematisch modelliert werden. Hierzu gibt es verschiedene Herangehensweisen. Ein geometrischer Ansatz wäre beispielsweise die Aufteilung des dreidimensionalen Raumes in quaderförmige Zellen, auf denen die Pfadplanung geschieht.

Problemformulierung

Vor jeder Optimierungsaufgabe steht die geeignete Formulierung des Problems. Ein Pfad für einen Quadrotor kann in vielerlei Hinsicht optimal sein. Nicht immer ist der kürzeste Weg auch der beste.

Beispiele für andere Optimierungskriterien sind energieoptimale, signaloptimale und risikooptimale Pfade. Das Problem kann auch mit Hinsicht auf das optimale Verhalten des Roboters in einem Verbund aus vielen Robotern (Schwarmverhalten) als dynamisches Problem formuliert werden.

Optimierung

Zum Optimieren des Pfades stehen je nach Problemformulierung diverse Optimierungsverfahren- und Algorithmen zur Verfügung. Ansätze wären beispielsweise die Verwendung von klassischen Optimierungsverfahren ((non-)linear programs), evolutionären Algorithmen, Graphensuchalgorithmen oder das Lösen eines optimalen Steuerungsproblems im vierdimensionalen Raum (drei Raum- und eine Zeitkomponente).

Simulation

Zur Visualisierung und Validierung des gefundenen, optimalen Pfades ist es unabdingbar das Verhalten des Quadrotors in einer Simulationsumgebung zu testen. Dazu wird zunächst ein Modell des Quadrotors benötigt. Dessen Verhalten auf dem berechneten Pfad kann dann beispielsweise mithilfe des Simulators Gazebo mit Blick auf verschiedene Aspekte simuliert werden (kinematisches Modell, kinetisches Modell, dynamische Hindernisse, Windeinflüsse).