Bei einem Mineneinsturz ist die Zeit von entscheidender Bedeutung. Kritische Such- und Rettungseinsätze werden zu einer unglaublichen Herausforderung, da der Roboter, der durch den gefährlichen, teilweise eingestürzten Schacht navigiert, schnell seine Umgebung erfassen und seine Position bestimmen muss. Da er sich bei der Navigation nur auf seine Kameras an Bord verlassen kann, ist diese Aufgabe gelinde gesagt mühsam.
Auch wenn die jüngsten Fortschritte im Bereich des maschinellen Lernens es Robotern ermöglichen, solche Aufgaben anhand visueller Daten auszuführen, bestehen nach wie vor Einschränkungen. Die aktuellen Modelle können nur eine begrenzte Anzahl von Bildern gleichzeitig verarbeiten. Stellen Sie sich eine Situation vor, in der der Roboter Tausende von Bildern in Echtzeit überprüfen und analysieren muss – genau an dieser Stelle werden diese Einschränkungen zu einem erheblichen Hindernis.
Die Forscher des MIT haben ein KI-gestütztes System entwickelt, das die Stärken des modernen Deep Learning und traditioneller Computer-Vision-Techniken vereint. Diese Methode kann eine unendliche Anzahl von Bildern verarbeiten und schnell komplizierte 3D-Karten von komplexen Umgebungen wie einem überfüllten Büroflur erstellen.
Anstatt eine riesige Szene auf einen Schlag zu erfassen, unterteilt das System die Umgebung in kleinere Teilbereiche oder “Submaps”. Diese werden anschließend ausgerichtet und zu einem vollständigen 3D-Modell zusammengeführt – wobei die Position des Roboters in Echtzeit überwacht wird. Der Vorteil dieser Methode liegt in ihrer Einfachheit, Geschwindigkeit und Skalierbarkeit, wodurch sie sich für Anwendungen eignet, die von Such- und Rettungseinsätzen über industrielle Logistik bis hin zu Extended-Reality-Erlebnissen reichen.
Der Kern dieses Durchbruchs liegt in der Neudefinition eines großen Problems der Robotik – der simultanen Lokalisierung und Kartierung (SLAM). Bislang hatten SLAM-Algorithmen Schwierigkeiten mit visuell komplexen Umgebungen oder waren stark auf vorkalibrierte Hardware angewiesen. Modelle des maschinellen Lernens bieten zwar eine Lösung, sind jedoch durch die Datenmenge begrenzt, die sie gleichzeitig verarbeiten können – in der Regel etwa 60 Bilder.
Das bahnbrechende System des MIT löst dieses Hindernis, indem es sich auf kleinere Fragmente der Umgebung konzentriert. Obwohl jede Teilkarte mit nur wenigen Schnappschüssen erstellt wird, werden sie schnell zu einer übergreifenden, zusammenhängenden Karte zusammengesetzt, was den Prozess beschleunigt und es dem Roboter ermöglicht, ein größeres und abwechslungsreicheres Terrain zu bewältigen.
Zunächst schien die Ausrichtung der Teilkarten eine einfache Lösung zu sein, doch schon bald stellte sich heraus, dass die Teilkarten aufgrund von Fehlern in den Modellen des maschinellen Lernens leicht verzerrt sein können. Herkömmliche Ausrichtungsmethoden, die auf Rotation und Translation basierten, versagten, da die Teilkarten selbst verzerrt waren. Daher griff das Team auf jahrzehntealte Forschungsergebnisse aus dem Bereich der Bildverarbeitung zurück und verband diese Erkenntnisse mit moderner KI.
Das Ergebnis war ein flexibleres mathematisches Gerüst, das auch Verzerrungen von Teilkarten berücksichtigt. Dies ermöglichte es dem System, selbst verzerrte Submaps genau auszurichten und einen zuverlässigen 3D-Prototyp sowie präzise Schätzungen der Kamerapositionen zu erstellen, die für die Roboternavigation entscheidend sind. Beeindruckende Testergebnisse zeigten, dass das System bestehende Methoden sowohl in Bezug auf Geschwindigkeit als auch auf Präzision übertrifft und in der Lage ist, komplizierte Umgebungen mit nur kurzen Smartphone-Videos zu rekonstruieren, und zwar mit einer Fehlerspanne von weniger als fünf Zentimetern.
Für die Zukunft plant das Team, seine Methode für noch vielschichtigere Umgebungen weiterzuentwickeln und sie in echte Roboter zu integrieren, die im Einsatz sind. Ihre Arbeit verdeutlicht letztlich den Nutzen der Kombination von Grundlagenwissen mit modernster KI zur Bewältigung realer Herausforderungen. Wie Luca Carlone, außerordentlicher Professor am MIT, treffend formuliert: “Kenntnisse der klassischen Geometrie zahlen sich aus. Wenn man genau versteht, was im Modell vor sich geht, kann man viel bessere Ergebnisse erzielen und die Skalierbarkeit deutlich verbessern.”
Diese faszinierende Forschung, die von der U.S. National Science Foundation, dem Office of Naval Research und der National Research Foundation of Korea unterstützt wird, soll auf der Conference on Neural Information Processing Systems vorgestellt werden. Wenn Sie an weiteren Einzelheiten interessiert sind, können Sie den Originalartikel lesen hier.
Diese Website verwendet Cookies.