Anwendungsspezifische Autonome Systeme
Alles aus einer Hand
Vorreiter von selbst fahrenden Personenwagen müssen immer wieder Rückschläge einstecken. Mit Regelmässigkeit berichten die Medien über tragische Unfälle. Die eingesetzten Steuerungen scheinen den komplexen Situationen im Strassenverkehr noch nicht vollumfänglich gewachsen zu sein. Anders verh lt es sich im industriellen Umfeld, wo autonome Systeme unter kontrollierten Bedingungen fahren, fliegen oder schwimmen. Hier ist die Technologie längst etabliert.
Abbildung 1: Autonomer Rasenmäher entwickelt von Stettbacher Signal Processing AG.
Stettbacher Signal Processing AG (SSP) ist Dienstleister im Bereich anspruchsvoller Technologien, wie Sensorik und Messtechnik, Signal- und Informationsverarbeitung, Regelungs- und Antriebstechnik, usw. Alle diese Technologien kommen in autonomen Systemen zum Einsatz. Aus diesem Grund erhielt SSP schon vor etlichen Jahren erstmals einen Auftrag für die Entwicklung eines selbstfahrenden Rovers. Bis heute hat SSP für verschiedene Kunden erfolgreich mehrere anwendungsspezifische Fahrzeuge entwickelt.
In der Regel ist es so, dass der Kunde bereits eine detaillierte Vorstellung der Fahrzeugmechanik zur ersten Besprechung mitbringt, aber bezüglich der Steuerung des Fahrzeugs unsicher ist. Aber genau diese Steuerung ist die eigentlich Herausforderung für autonomes Fahren, insbesondere wenn die Ansprüche bezüglich Fahrgenauigkeit und/oder Dynamik hoch sind. Dies war in den vergangenen Projekten stets der Fall und auf Grund dessen wurde jeweils entschieden, eine dedizierte und optimierte Steuerung zu entwerfen. Aber der Reihe nach: Bei der Entwicklung der Steuerung für autonome Systeme stellen sich zuerst ein paar Grundsatzfragen. Die erste ist die nach der Sicherheit, beispielsweise ob das Fahrzeug eine Gefahr für Personen darstellt. Wenn ja, so sind zuerst die Sicherheitsaspekte und im Besonderen die anwendbaren Normen und Zulassungsverfahren zu klären. Die zweite Hauptfrage ist die nach der Navigation. Wie erkennt das Fahrzeug seine Position und wie findet es den Weg zu einem Ziel? Dabei spielt es eine Rolle, ob das Fahrzeug indoor oder outdoor (oder in beiden Fällen) betrieben werden soll und wie gross sein Aktionsradius sein wird. Weiter ist zu entscheiden, ob das Fahrzeug auf vordefinierten Pfaden zu fahren hat, oder seinen Weg zu einem Ziel selber suchen soll. In diesem Zusammenhang ist auch zu entscheiden, mit welchen Verfahren allfällige Kollisionen verhindert werden.
Schon zu Beginn stellen sich also zahlreiche Grundsatzfragen. Bei der Beantwortung sind natürlich auch die Kosten in Betracht zu ziehen. Und insbesondere optionale oder nice-to-have Features sind gegenüber ihrem Aufwand abzuwägen. Am Ende werden technische Design-Entscheide gefällt, etwa die Art der Energieversorgung, die Leistung der Motoren und das Antriebskonzept, usw. Von besonderem Interesse bei autonomen Fahrzeugen ist natürlich die Art und Weise der Lageschätzung, der sog. Pose Estimation, die Position und Ausrichtung umfasst. Dabei werden nicht nur Sensordaten ausgelesen und verwendet, sondern aus allen verfügbaren Daten (beispielsweise von GPS/RTK, UWB, Lidar, Laser, Gyro, Odometrie, etc.) wird die Pose in der sogenannten Sensor Fusion auf mathematischen Weg optimal geschätzt. Damit erhält man sehr genaue Lagedaten, selbst wenn die Sensoren ungenau messen und womöglich noch mit Drift und Delay behaftet sind.
Ein weiteres wichtiges Thema betrifft das Finden und Anfahren von Zielen. Oft wird dabei eine digitale (Land-) Karte verwendet, in der allfällige Hindernisse, Fahrpfade und spezielle Orte, wie etwas Ladestationen, Park- und Servicebereiche, usw. eingezeichnet sind. Gibt man dem Roboter eine Zielkoordinate, so fährt er entweder entlang einem vordefinierten Pfad dorthin, oder er berechnet den Weg zum Ziel mit Hilfe eines Path Planning Verfahrens. Typische Methoden dafür basieren auf dem Dijkstra-Algorithmus.
Dabei wird für jeden Punkt in der Karte ein Kostenwert berechnet, der den kleinste möglichen Aufwand (oft die Distanz, allenfalls unter Berücksichtigung weiterer Einflussfaktoren, wie Steigungen, Kurvenradien, usw.) repräsentiert, um vom Startpunkt zu diesem Punkt zu gelangen. Auf diese Weise findet man den optimalen Weg zu jedem erreichbaren Ziel auf der Karte.
Selbst wenn eine digitale Karte vorhanden ist, können unerwartete Hindernisse selten ganz ausgeschlossen werden. Daher ist in den meisten Fällen eine Sensorik für die Collision Avoidance unumgänglich. In vielen Fällen verwendet man dazu einen Lidar. Als günstige Alternativen kommen Distanzsensoren basierend auf Ultraschall oder mmWave Radar in Frage, immer öfter auch Kameras in Kombination mit Machine Vision (KI).
Steht der Pfad fest, so benötigt das Fahrzeug einen Fahr-Regler, der in Abhängigkeit von Kurven, Steigungen, Hindernissen, etc. eine geeignete Geschwindigkeit und Lenkstrategie wählt. Für diesen Zweck
sind verschiedene Verfahren bekannt, die auf geometrischen, physikalischen oder statistischen Modellen aufbauen, die sich je nach praktischen Randbedingungen mehr oder weniger eignen. Stettbacher Signal Processing AG (SSP) hat in den vergangenen Jahren ein grosses Know-How in all diesen Disziplinen aufgebaut. Dank der Erfahrungen aus vielen verschiedenen Projekten ist die Firma in der Lage, schnell und zielgerichtet auf neuen Herausforderungen zu reagieren.
