Der Roboter, der sich bewegen kann, ist nutzlos, wenn er nicht sehen kann
Ein Bergbau-Robotik-Unternehmen erklärt, warum Wahrnehmung, nicht Bewegungssteuerung, das schwierigste Problem der industriellen Autonomie ist, und was passiert, wenn Maschinen in einer Staubwolke erblinden.
Wichtige Punkte
- Autonomous Solutions Inc. (ASI) hat 4,5 Millionen autonome Meilen in Bergbau-, Landwirtschafts- und Baustellen zurückgelegt.
- ASIs frühe Einsätze mit Sensoren in Automobilqualität führten innerhalb eines Jahres zu einer 100%igen Ausfallquote aufgrund von Staub, Vibration und extremen Temperaturen.
- Ungeplante Ausfallzeiten bei großen Bergbaubetrieben können tens of thousands of dollars pro Stunde kosten, was Wahrnehmungsausfälle extrem teuer macht.
- Moderne industrielle Autonomie kombiniert nun drei Sensortypen: LiDAR für räumliche Kartierung, Kameras für visuellen Kontext und Radar für Sichtbarkeit durch Staub und Nebel.
Ein Bergbaulaster, der 200 Tonnen Erz befördert, kann nicht einfach anhalten und um Wegbeschreibungen bitten. Er muss in weniger als einer Sekunde wissen, dass ein leichtes Fahrzeug gerade 80 Meter voraus durch eine Wand aus rotem Staub gefahren ist. Ob er das kann, hängt ganz davon ab, wie gut er sieht.
Mel Torrie, Mitgründer und CEO von Autonomous Solutions Inc. (ASI), einem in Utah ansässigen Unternehmen, das autonome Systeme für die Schwerindustrie entwickelt, machte dieses Argument in einem Artikel geltend, der zuerst von The Robot Report berichtet wurde. Sein Fall ist es wert, genauer betrachtet zu werden, denn er erklärt etwas, das die meisten Berichte über selbstfahrende Technologie übersehen.
Warum GPS allein nicht ausreicht
GPS teilt einer Maschine mit, wo sie sich auf einer Karte befindet. Das ist alles. Es kann der Maschine nicht sagen, was direkt vor ihr liegt.
Jahrelang verließen sich industrielle autonome Fahrzeuge stark auf GPS zur Navigation. Das funktioniert auf einer festen Route ohne Überraschungen. Echte Bergbaustandorte sind keine festen Routen. Straßen verändern sich, wenn der Abbau fortschreitet. Hindernisse erscheinen ohne Vorwarnung. Bei 45 Grad Hitze, umgeben von Staub, kann sich eine Maschine nicht auf ein Satellitensignal verlassen, um eine Arbeiterin sicher zu halten.
ASI musste dies auf die harte Tour lernen. Frühe Sensor-Kits, die aus der Automobilindustrie stammten und damals das Beste waren, das verfügbar war, versagten vollständig innerhalb von zwölf Monaten. Staub und Vibration zerstörten sie. Das Team musste Ersatzsensoren von Grund auf neu konstruieren, die für Feldbedingungen und nicht für Autofabriken konzipiert waren.
Wie sieht moderne Wahrnehmung tatsächlich aus?
Drei Sensortypen arbeiten nun zusammen auf einem ASI-Fahrzeug, jeder erfaßt das, was die anderen vermissen.
| Sensor | Darin ist es gut | Schwäche |
|---|---|---|
| LiDAR (Laser-Kartierung) | Präzise 3-D-Distanzmessung | Probleme bei starkem Staub oder Regen |
| CMOS-Kamera | Erkennt visuellen Kontext: Person vs. Pfosten | Benötigt Licht; fällt bei dichtem Staub aus |
| Radar | Sieht durch Staub, Nebel und Dunkelheit | Niedrigere räumliche Auflösung |
Der Betrieb aller drei zusammen bedeutet, dass kein einzelner Ausfallpunkt das Fahrzeug blind macht. Das System verarbeitet auch alle diese Sensordaten auf dem Fahrzeug selbst in Echtzeit, ohne vorher etwas an einen entfernten Server zu senden. Auf eine Cloud-Antwort zu warten, während ein Gabelstapler deinen Weg kreuzt, ist keine Option.
Das Ziel ist nicht eine Maschine, die anhält, wenn sie ein Hindernis erkennt. Eine Maschine, die einfach anhält, ist eine Maschine, die einen ganzen Betrieb zum Erliegen bringt. Das Ziel ist eine Maschine, die vorhersagt, was eine nahegelegene Person wahrscheinlich als nächstes tun wird, und die sicherste Reaktion wählt, bevor die Situation zur Krise wird.
Sollten gewöhnliche Arbeitnehmer sich um diese Technologie sorgen?
Für Arbeitnehmer auf Industriestandorten ist eine bessere Maschinenwahrnehmung direkt schützend. Ein System, das eine Person von einem Zaunpfosten unterscheiden und vorhersagen kann, dass die Person auf den Weg des Fahrzeugs zuläuft, führt weniger wahrscheinlich zu einem Unfall als ein System, das dies nicht kann.
Das größere praktische Problem ist die Integration. Viele Unternehmen können es sich nicht leisten, eine bestehende Flotte teurer Fahrzeuge zu verschrotten. ASIs Antwort ist ein hardware-agnostisches Design, das heißt, das Wahrnehmungs-Upgrade kann an bereits vor Ort befindlichen Maschinen angebracht werden, anstatt eine vollständige Ersetzung zu erfordern.
Das Unternehmen sagt, dass es nearly 400 million tons of material über seine autonomen Einsätze bewegt hat. Bei jeder Fahrt, argumentiert Torrie, lehrte sie etwas Neues darüber, was Maschinen sehen müssen.
Was Sie beobachten sollten: Wenn Ihr Arbeitsplatz autonome Fahrzeuge einführt, fragen Sie den Anbieter speziell, wie das System mit Sensorausfällen umgeht. Eine starke Antwort beschreibt, was die Backup-Sensorschicht tut. Eine schwache Antwort beschreibt, was die Maschine tut, wenn alle Sensoren ausfallen. Beide Fragen sind wichtig.
