Applications & Show Cases
Die Automatisierung erhält immer stärkeren Einzug in den Markt der mobilen Maschinen. Wo im Automotive intensiv an der sicheren Automatisierung und Autonomisierung des Fahrprozesses geforscht wird, wird dieser im Bereich mobile Maschinen noch um die Automatisierung des Arbeitsprozesses ergänzt. Um sich autonom durch den Straßenverkehr/ auf dem Feld / der Baustelle / und so weiter zu bewegen, muss eine automatisierte Arbeitsmaschine über verschiedene grundlegende Fähigkeiten verfügen: sie muss die Umgebung wahrnehmen, aus den so gewonnenen Informationen die richtigen Schlüsse ziehen und entsprechend agieren.
Anwendungsbeispiele sind je nach Applikation das Erkennen und Identifizieren von Objekten und Hindernissen, das Planen des Pfades, die Navigation, die Berechnung komplexer Maschinenmodelle, die Verwaltung von Aufträgen/Missionen und vieles mehr. Um die genannten Use Cases bedienen zu können, ziehen folglich neue Technologien in die Maschinenarchitekturen mobiler Arbeitsmaschinen ein. Zur Identifikation dieser Forschen wir in diversen Projekten intensiv mit anderen Technologie-Dienstleistern und OEM’s. Hierbei konzentrieren wir uns auf die Weiterentwicklung unserer elektronischen Steuerungs- und Rechensysteme.
Neue Produkte entsprechen dabei den Anforderungen an ein generisches und skalierbares Baukastenprinzip. Somit können wir Ihre Hochautomatisierungs-Applikation mit auf Ihre Bedürfnisse zugeschnittenen STW & ECO Systempartner Produkten bedienen. Dabei denken wir stets in der Gesamtmaschinen-Architektur Ihres Fahrzeuges.
STWiesel
Das STWiesel ist ein robotisches Fahrzeug, das als Technologie- und Systembaukastendemonstrator entwickelt wurde. Innerhalb dieser Eigenschaften haben wir uns für das STWiesel Fähigkeiten ausgedacht, wie beispielsweise autonome Indoor-Pick and Place-Aufgaben. Das STWiesel detektiert vorab definierte Objekte, deren Erkennung mittels Deep-Learning-Verfahren trainiert wurde. Diese Objekte können mithilfe der Umfeldsensoren, der autonomen Pfadplanung und Navigation angefahren und durch den Frontmagneten aufgenommen werden. Das Umfeld wird während der Navigation durchgehend gescannt, so dass das Fahrzeug auftretenden Hindernissen ausweichen kann. Nach der Aufnahme eines Objektes fährt das Fahrzeug an den Zielort und legt das Objekt dort ab.
Das STWiesel ist das Ergebnis einer Bedarfsanalyse und beantwortet die Frage „Welche Funktionen und Lösungen benötigen die Hersteller mobiler Arbeitsmaschinen bezüglich autonomem Arbeiten und Fahren?“. Alle Funktionen sind mit STW-Produkten und ausgewählten 3rd Party Produkten realisiert. Die Connectivity ist mittels des Kommunikationsmoduls TCG-4 gesichert, der Sensor SMX.igs-e dient als Inertialmesseinheit (Intertial Measurement Unit, kurz IMU), wodurch die Genauigkeit des implementierten SLAM (Simultaneous Localization And Mapping) Verfahrens verbessert wird. Die Sensoren der M01- und T01-Familie dienen der Interaktion sowie der Erfassung der aktuellen Klimabedingungen.
Zur Umfelderfassung dient neben dem Lidar und einer ToF-Kamera auch eine zuschaltbare Stereokamera, bestehend aus zwei separaten RGB-Kameras. Die Signale verarbeitet unser High Performance Plattform HPX in Verbindung mit der Steuerung ESX.4cs-gw. Die Softwarebausteine sind über das STW Toolset openSYDE unter Zunahme ausgewählter ROS (Robot Operating System) Funktionen implementiert und programmiert. Durch den Einsatz der aufgezählten Technologien demonstriert das STWiesel eindrucksvoll autonomes Fahren und Arbeiten.
ROVO AI
Der ROVO AI ist ein anwendungsneutraler und emissionsfrei zu betreibender Technologie-Demonstrator auf Basis einer Raupenfahrzeug-Robotikplattform. Das Fahrzeug kann für jede denkbare Nutzung angepasst werden – ohne Abstriche im autonomen Betrieb machen zu müssen. In diesem Partnerprojekt bündeln wir unsere Automatisierungs-Expertise mit dem Hydraulik-Knowhow und der Fahrzeugplattform von HAWE und dem Software- und Systemintegrationswissen der Robot Makers. Ob Schneeschieber, Kehrmaschine, Mähwerk, Feldspritze – der ROVO AI kann diese Applikationen bedienen.
Maschinenhersteller profitieren von einer neutralen, robusten Plattform, die modular und flexibel an die eigenen Bedürfnisse angepasst werden kann. Nachhaltigere und variantenärmere Produktion und Fertigung werden auf diese Weise umsetzbar, da je nach Anwendung nur das Anbaugerät und die Software angepasst werden müssen. Am Ende des Projekts soll eine Verknüpfung aller notwendigen Komponenten via Plug and Play möglich sein. Der Aufbau der Systemarchitekturen wird somit maximal anwenderfreundlich.
Der ROVO AI unterstreicht die Bedeutung partnerschaftlicher Zusammenarbeit und ebnet gleichzeitig den Weg zur vollautonomen Zukunft mobiler Arbeitsmaschinen.
AI-Vision Demo
Der STW-Systembaukasten wird zukünftig auch Anwendungen, die auf Künstlicher Intelligenz basieren, unterstützen. In ersten prototypischen Projekten transformieren wir gemeinsam mit den STW ECO-System Partnern Software-Innovationen aus anderen Branchen - wie beispielsweise dem Automotive - in die Welt der mobilen Arbeitsmaschinen.
Mit Hilfe der Prototypen sammeln wir Erfahrungen, wie wir unsere Hardware Steuerungssysteme für zukünftige KI-Anwendungen weiterentwickeln müssen. Ziel ist es, dass die neuronalen Netze energieeffizient und ressourcenschonend mit entsprechenden Beschleunigungs-Chipsätzen auf STW Hardware betrieben werden können.
Hohe Bedeutung kommt dabei der Toolchain zu, welche zur Implementierung der Anwendungs-Software benötigt wird. Die Portierung neuronaler Netze auf Serien-Hardware soll mit der STW Toolchain effizient und intuitiv erfolgen. Standard KI-Frameworks, wie Caffe, PyTorch oder TensorFlow können schnell verwendet werden. Auch das Einbinden von Custom KI-Layern kann zeitschonend mit Optimierungs- und Quantisierungs-Tools erfolgen.
MaliBots
Um die Möglichkeiten einer leitstandgeführten Kommunikation von Roboterschwärmen zu demonstrieren, kooperieren wir im Rahmen des Projekts Machine Automation Lab (MAL) mit dem Fraunhofer IVI. Das Fraunhofer IVI erforscht Technologien und Lösungen für Open Source Leitstandsysteme, während wir an der Übertragung der Konzepte für Anwendungsfälle in der Automatisierung von Mobilen Maschinen arbeiten. Im Leitstandsystem ist die kooperative Manöverplanung zur kollisionsfreien Planung mehrerer Fahrzeuge realisiert. Bei Störungen plant der Leitstand zudem adaptiv neue Routen und Prozesse des Schwarms. Die Schwarmroboter (MaliBots) kommunizieren mittels helyOS-Schnittstelle mit dem Leitstand, einerseits zur Koordination des Prozesses, andererseits um den Fahrzeugzustand zurückzumelden. Für die Kommunikation sowie für die Steuerung und Regelung des Roboters kommt die TCG-4 zum Einsatz. Die Steuerung interpoliert auf Basis der vom helyOS gesendeten Stützstellen die Bahn und liefert sowohl Positionsgrößen zur Regelung als auch Bahngeschwindigkeitswerte zur Vorsteuerung. Die Lokalisierung erfolgt mittels hochpräzisem RTK. Die entsprechenden Sensoren sind mit der TCG-4 verbunden und liefert die Fahrzeugposition und -orientierung. Die Software des Malibots ist modular aufgebaut. Die Kommunikation der einzelnen Module erfolgt über DDS. So können Module innerhalb eines Steuergerätenetzwerkes flexibel verschoben oder auch ausgetauscht werden. Es ermöglicht ein schnelles Prototyping und erhöht die Flexibilität.
