Roboterschau Elrob: Menschen verfolgen und dann hin und her durchs Gelände
Auf der Leistungsschau Elrob mussten die Roboter-Fahrzeuge nun unter Beweis stellen, wie gut sie einem Menschen folgen und anschließend den Rückweg finden können. Geübt werden sollte die autonome Versorgung von Soldaten in einem umkämpften Gebiet.
![Roboterschau Elrob: Menschen verfolgen und dann hin und her durchs Gelände](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/1/8/3/7/4/7/3/IMG_2391-123af5bdf65961ca.jpeg)
Autonomer Traktor folgt einem Menschen
(Bild: Hans-Arthur Marsiske)
Der dritte Tag bei der militärisch motivierten Leistungsschau für Outdoor-Roboter, Elrob 2016 ähnelte in mancher Hinsicht dem ersten, an dem das Fahren im Konvoi getestet wurde. Es gingen zum Teil die gleichen Fahrzeuge an den Start, die allerdings diesmal keinem Führungsfahrzeug folgen sollten, sondern einem Menschen und das auch nur auf einem Teil der Strecke: Beim Szenario Mule sollen die Roboter danach den Rückweg autonom finden und so oft wie möglich zwischen Start- und Zielpunkt hin und her pendeln.
Der Hintergrund dieses Szenarios besteht darin, dass Roboter zukünftig Transportaufgaben auch durch umkämpfte Gebiete übernehmen sollen, um etwa eingeschlossene Trupps mit Nachschub an Munition, Verpflegung oder anderer Ausrüstung zu versorgen. Daher war ursprünglich vorgesehen, die Roboter auch tatsächlich zu beladen. Die dafür am Startpunkt abgelegten Sandsäcke blieben aber unberührt, da kleine Roboter wie etwa der Packbot des ersten Teams bebot kaum in der Lage gewesen wären, die ungefähr 20 Kilogramm schweren Säcke an Bord zu nehmen, während es für den Lastwagen des Teams Smart Military Vehicles keine zusätzliche Erschwernis bedeutet hätte.
Herausforderung Navigation
Die eigentliche Herausforderung ist sowieso die Navigation. Die wurde von den Teams, die schon beim Konvoifahren gut aussahen, auch diesmal gut bewältigt. MuCAR und Smart Military Vehicles schafften die mehrere hundert Meter lange Strecke in der vorgegebenen Zeit von 30 Minuten mehrmals hin und her. Dem VW Touareg von der Universität der Bundeswehr München gelang auch die Wende bei der Rückkehr zum Startpunkt autonom, während beim Laster von Smart Military Vehicles bei der ersten Wende der Sicherheitsfahrer eingreifen musste. Manuelle Eingriffe waren für beide Teams auch dort nötig, wo die gelernte Strecke auf dem Rückweg blockiert war und die Fahrzeuge autonom eine Alternativroute finden mussten. Der Münchner PKW scheiterte am hohen Gras, der Laster an einer zu engen Kurve.
Folgsame Roboter auf der Elrob 2016 (12 Bilder)
![](https://heise.cloudimg.io/width/696/q50.png-lossy-50.webp-lossy-50.foil1/_www-heise-de_/imgs/71/1/8/3/7/4/8/2/IMG_2359-45116e64fb7ab66a.JPG)
Satellitennavigation nutzen die Roboter, um ungefähre Richtungen abzuspeichern, orientieren sich auf dem Fahrweg aber zusätzlich mithilfe von Laserscannern und Kameras. Die Einschätzung, welches Gelände befahrbar ist und welche Hindernisse vernachlässigbar sind, ist nach wie vor ein ungelöstes Problem. Es gebe verschiedene Ansätze, sagte Thorsten Lüttel, Leiter des Teams MuCAR. So könne etwa die Lichtdurchlässigkeit bei Laub einen Hinweis darauf geben, ob das Fahrzeug eine Berührung damit riskieren kann oder nicht.
Reifes Getreide im Infrarotbereich
Auch die Infrarotsignatur von Chlorophyll biete eine Orientierungshilfe. Allerdings erscheine reifes Getreide im Infrarotbereich des Spektrums so dunkel wie Asphalt, während helle Infrarotreflektionen gleichermaßen für harmloses Gras stehen könnten wie auch für einen Busch, der besser umfahren werden sollte. Letztlich wird autonomes Fahren im Gelände wohl nicht ohne Verfahren des Deep Learning auskommen, die es dem Fahrzeug ermöglichen, eine Wissensbasis aufzubauen, auf die es sich stützen kann – ähnlich wie ein Mensch.
Die Teams, die sich mit kleineren Robotern auf das Mule-Szenario einließen, konnten mit den für den Straßenverkehr zugelassenen Fahrzeugen nicht mithalten, waren aber dennoch nicht unzufrieden. Stanislav Gol, Leiter des russischen Teams Avrora, freute sich, sein System im Gelände testen zu können. Sie würden sich alle beobachteten Probleme notieren und mit einer Fülle von Daten nach Hause zurückkehren, um dort weiter zu forschen. Als Informatiker seien sie nicht in der Lage, vor Ort die mechanischen Probleme an ihrem Kettenfahrzeug zu beheben, das derzeit nur mit einem Motor liefe. Dadurch sei das Lenken nur durchs Abbremsen jeweils einer Kette möglich. Das wiederum mache es praktisch unmöglich, mit den Bewegungsdaten (Odometrie) zu arbeiten. Tatsächlich musste sein Team die Fahrt schon nach gut hundert Metern abbrechen.
Ebenfalls mit einem Kettenfahrzeug, aber sehr viel geschmeidiger bewältigte das Team ARTOR von der ETH Zürich das Mule-Szenario, einschließlich der Wende am Startpunkt zum erneuten Lauf. Auch das Team Austrian Technology, das mit einem autonom fahrenden Traktor die Strecke hin und zurück fuhr, dürfte angesichts der kurzen Vorbereitungszeit und der erstmaligen Teilnahme an einem Wettbewerb dieser Art mit dem Ergebnis zufrieden sein. Das österreichische Team activeROBOTICX schließlich schickte seinen Roboter ferngesteurt auf die Strecke. Das ist von den Regeln her zugelassen, bringt keine hohe Punktwertung, aber wertvolle Daten und Erfahrungen.
Lesen Sie zur Elrob 2016 auf heise online auch:
- Autonome Fahrzeuge im Konvoi: Elrob, die Leistungsschau der Militärroboter
- Militärroboter-Leistungsschau Elrob: Roboter auf der Suche nach der Strahlung
Aufklärungsroboter bei der Elrob 2016 (13 Bilder)
![](https://heise.cloudimg.io/width/696/q50.png-lossy-50.webp-lossy-50.foil1/_www-heise-de_/imgs/71/1/8/3/6/1/7/9/IMG_2320-eae4d4fc838c13af.JPG)
Fahrzeuge bei der Elrob 2016 (9 Bilder)
![](https://heise.cloudimg.io/width/696/q50.png-lossy-50.webp-lossy-50.foil1/_www-heise-de_/imgs/71/1/8/3/5/5/1/5/IMG_2242-1-25b3369f66117ba6.JPG)
(mho)