T&S Gewinnt den Agro-Robotik-Hackathon mit innovativer Fußgänger-Erkennung mittels LiDAR! In diesem Artikel erfahren Sie, wie die KI-gestützte Lösung von T&S, die LiDAR-Sensoren nutzt, den Hackathon zur Erkennung von Fußgängern in der Landwirtschaft gewonnen hat. Entdecken Sie die Herausforderungen der Agrarrobotik und wie T&S den Weg für eine sicherere und effizientere Automatisierung in der Landwirtschaft ebnet.
T&S Gewinnt den Agro-Robotik-Hackathon mit innovativer Fußgänger-Erkennung mittels LiDAR! In diesem Artikel erfahren Sie, wie die KI-gestützte Lösung von T&S, die LiDAR-Sensoren nutzt, den Hackathon zur Erkennung von Fußgängern in der Landwirtschaft gewonnen hat. Entdecken Sie die Herausforderungen der Agrarrobotik und wie T&S den Weg für eine sicherere und effizientere Automatisierung in der Landwirtschaft ebnet.
Die Agrarrobotik erweist sich als vielversprechende Lösung, um dem Arbeitskräftemangel zu begegnen und die Herausforderungen in Bezug auf Produktivität und Sicherheit zu meistern.
In diesem Zusammenhang fand der erste Hackathon des "Grand Défi de la Robotique Agricole" (GDRA) statt.
Der von Robagri über France 2030 organisierte GDRA-Hackathon hatte zum Ziel, die Robotisierung des Agrarsektors zu konsolidieren und zu beschleunigen, indem er Forscher und Fachleute aus diesem Bereich zusammenbrachte.
Diese erste Ausgabe zielt darauf ab, 3 große Herausforderungen im Zusammenhang mit der Einführung von Robotern in der Landwirtschaft zu behandeln:
Zu jedem dieser Themen traten Teams aus der ganzen Welt in einer Qualifikationsphase von Dezember 2023 bis Januar 2024 an.
Auf der Grundlage der Leistung jeder präsentierten Lösung und der Meinung einer Expertenjury qualifizierten sich die beiden besten Teams jeder Herausforderung für die Endphase.
Das Innolab-Team von T&S nahm die Herausforderung an und meldete sich für die Herausforderungen Fußgängererkennung und Hindernisvermeidung an.
Seit 2019 entwickeltT&S mit seinem Forschungs- und Entwicklungsteam Innolab intelligente Mobilitätslösungen für jedes Gelände.
Das auf AG-Tech spezialisierte Team hat sich ein umfangreiches Fachwissen zu den Themen Wahrnehmung, Planung, Steuerung und Sicherheitsfunktionen angeeignet.
Dieser Hackathon war eine Gelegenheit für T&S , sein Fachwissen mit anderen Marktteilnehmern zu vergleichen.
In der Qualifikationsphase des Hackathons entschied sich T&S für die Teilnahme an den Herausforderungen 2 und 3, d. h. Fußgängererkennung und Hindernisvermeidung.
Die Erkennung von Hindernissen in landwirtschaftlichen Umgebungen ist besonders komplex.
Die Erkennung und Identifizierung von Umweltelementen kann durch viele Faktoren beeinträchtigt werden:
Herkömmliche Methoden zur Erkennung von Hindernissen unterscheiden nicht zwischen deren Beschaffenheit, was eine entscheidende Herausforderung für die Sicherheit von Agrarrobotern darstellt. KI ermöglicht nun eine präzise Identifizierung von Hindernissen.
Die Roboterinstrumentierung ist einfacher und realistischer als die Umweltinstrumentierung und bietet Flexibilität und Anpassungsfähigkeit.
Das Innolab-Team favorisierte eine auf KI und Roboterwahrnehmung basierende On-Board-Lösung für eine zuverlässige und präzise Hinderniserkennung, indem es eine innovative Lösung auf der Grundlage eines LiDAR-Sensors entwickelte.
Für die Erkennung von Fußgängern werden normalerweise Sensoren wie Kameras, Wärmebildkameras oder LiDARs eingesetzt.
Da der Wettbewerb in einem Simulator stattfindet, ist der Einsatz einer Wärmebildkamera nicht möglich.
Darüber hinaus sind die in autonomen Fahrzeugen verwendeten Kameras bei Nacht oder ohne angemessene Beleuchtung unzuverlässig.
LiDARs, die einem U-Boot-Sonar ähneln, funktionieren bei Tag und Nacht gleichermaßen gut. Außerdem bieten sie eine unübertroffene Genauigkeit bei der Messung der Entfernung zu nahen und fernen Objekten.
Diese Technologie ermöglicht es, Fußgänger mit hoher Präzision zu erkennen, selbst bei schwierigen Wetterbedingungen und bei Vorhandensein von Hindernissen.
Das vom Innolab-Team entwickelte System passt sich an Helligkeitsschwankungen, Wettergefahren und die starke Behinderung durch die Vegetation an.
Es verwendet ein robustes Deep-Learning-Modell, um Fußgänger von Hindernissen zu unterscheiden und eine genaue Lokalisierung in Echtzeit zu gewährleisten.
Die Teilnahme an der Hindernisvermeidungs-Challenge ermöglichte es dem Innolab-Team, seine Nutzung von Schlüsselwerkzeugen (ROS, Gazebo, Docker) zu verbessern und sein Fachwissen im Bereich der Hindernisvermeidung zu stärken.
Die Methode muss es dem Roboter ermöglichen, bewegliche Hindernisse zu erkennen und ihnen auszuweichen, um eine reibungslose und sichere Navigation zu gewährleisten.
Die Methode muss es dem Roboter auch ermöglichen, nahe an festen Hindernissen vorbeizufahren, z. B. an Reihen von eng beieinander stehenden Rebstöcken, um in komplexen Umgebungen effizienter zu sein.
Im Gegensatz zu Straßenfahrzeugen und ihren Überholmanövern in einfachen Umgebungen ist die Hindernisvermeidung für Landwirtschaftsroboter eine größere Herausforderung, da es eine Vielzahl von Elementen gibt und die Felder besondere Einschränkungen aufweisen.
Bei autonomen Robotern in eingeschränkten Umgebungen konzentriert sich die Forschung auf drei Bereiche:
Aus Gründen der zur Verfügung stehenden Entwicklungszeit und der Umsetzung konzentrierte sich das Team bewusst auf relativ einfache und rechnerisch kostengünstige Ansätze.
Die gewählte Methode basiert auf der Erstellung einer Echtzeit-Hinderniskarte aus einem 2D-LiDAR-Sensor.
Mit jeder neuen Messung wird die Karte aktualisiert, um die Erkennung zu verfeinern und sich bewegende Hindernisse zu berücksichtigen. Zusammen mit den Orientierungs- und Manövrierfähigkeitsdaten des Roboters ermöglicht diese Karte eine Quantifizierung der Gefahr, die von Hindernissen in der Umgebung des Roboters ausgeht.
Das System bewertet die Gefahr von Hindernissen und passt die Flugbahn des Roboters an, um Kollisionen zu vermeiden.
Dieser einfache und robuste Ansatz lässt sich an eine Vielzahl von Umgebungen anpassen.
Die semantische Segmentierung für Landwirtschaftsroboter ist aufgrund der äußeren Bedingungen und der Notwendigkeit zu lernen, nicht standardisierte Hindernisse zu erkennen, sehr komplex.
Glücklicherweise verfügen T&S und seine Englab- und Innolab-Teams über Fachwissen in den Bereichen KI und Datengenerierung und -verarbeitung, was eine bessere Hinderniserkennung ermöglicht.
Mit diesen beiden Lösungsvorschlägen konnte T&S seine Fähigkeiten unter Beweis stellen und dank der Erkennungsrate und der Genauigkeit seiner Lösung den ersten Platz im Wettbewerb zur Fußgängererkennung belegen.
Dieser 1. Platz in der Qualifikationsphase ermöglicht es uns, unsere Tickets für die Endphase zu erhalten, die während der Ausgabe 2024 der World FIRA stattfinden wird!
Die World FIRA ist eine der (wenn nicht sogar die) größte AG-Tech-Veranstaltung.
Diese Messe bringt Landwirte, Industrielle, Roboterhersteller und Forscher zusammen.
Diese Veranstaltung bietet drei Tage lang die Gelegenheit, Vorführungen hochmoderner Roboter zu beobachten und an Konferenzen, Präsentationen von Forschungsprojekten und Schulungen teilzunehmen.
Am 6. Februar 2024 startete das Finale des GDRA-Hackathons mit der Präsentation des neuen Simulators 4D-Virtualiz und seiner neuen Herausforderungen.
Dieser hochmoderne Simulator kann den Sensoren Messrauschen hinzufügen, ungünstige Wetterszenarien erzeugen und neben den Standardhindernissen (Gebäude, Zäune, sich bewegende landwirtschaftliche Maschinen, Fußgänger, Vegetation, Feldfrüchte) auch realistische Fußgänger in die Umgebung integrieren.
Trotz dieser neuen Zwänge hat unser Expertenteam nicht enttäuscht. Dank ihrer gründlichen Vorbereitung erzielten sie rasch Ergebnisse, die mit denen der vorherigen Phase vergleichbar waren.
Die Bewertungskriterien aus der Qualifikationsphase wurden nicht verwendet, um die Finalisten-Teams zu trennen. Da nämlich jede Herausforderung einzigartig ist, war ein objektiver Vergleich nicht möglich. Deshalb wurde eine zweite Expertenjury eingesetzt, um das Siegerteam auszuwählen.
Das Team von T&S Innolab wurde dank seiner innovativen Lösung zur Erkennung von Fußgängern zum ersten Gewinner des GDRA-Hackathons gekürt.
After a month and a half of fierce competition on simulators, the Innolab team is ready to take on a new challenge: testing its pedestrian detection solution in a real agricultural environment.
To do this, they will rely on their all-terrain KIPP test platform.
These crucial experiments will make it possible to confirm the technical choices made throughout the project and to validate the operation of this innovative system in the real world.
The addition of cameras to the system is also envisaged to meet the specific requirements of certain application cases.
Stay tuned to follow the next advances of this promising project!
Ask your questions and find solutions for your product development
Contact us
This article details Indiana's journey at T&S, highlighting the company's investment in employee development and internal mobility opportunities. Learn how Indiana leveraged her skills to transition from administrative assistant to HR Business Partner & Team Leader.
READ MORE
Discover Sophie's remarkable journey through the T&S ranks, from a 6-month internship to a permanent position in the Employee Experience department. Explore her perseverance, adaptability and how she overcame obstacles to achieve professional success.
READ MORE
Reduce your impact! ♻️ Learn how carbon footprinting helps businesses fight climate change.
READ MORE
