"Mein Team ist jung, das heißt, ich kann jeden Tag in einer tollen Atmosphäre arbeiten! Ich habe kompetente Leute um mich herum, die ein gutes Verständnis für die durchzuführenden Tests haben und ihre Erfahrungen mit uns teilen. Da die Tests in Zweier- oder Dreierteams durchgeführt werden, ist die Zusammenarbeit sehr gut."
Alexis
Engineer-Praktikum in Deutschland
"Angefangen habe ich bei T&S als Assistentin in der Buchhaltung und mit einem Praktikum. Nach einem ersten Praktikum [...] bin ich mit einem unbefristeten Vertrag als Lohnbuchhalterin wieder zu T&S gekommen."
Sophie
Lohnbuchhalter
"In meinem Praktikum ist es meine Aufgabe, ein robustes System zu entwickeln, mit dem wir alle Mikrocontroller, aus denen unser Roboter besteht, aus der Ferne aktualisieren können. Ich freue mich schon auf die ersten Ergebnisse des aktuellen Projekts [...]. Jetzt kann ich es kaum erwarten, dem ganzen Team zu zeigen, dass es richtig war, mir zu vertrauen!"
Quentin
Praktikant im Bereich Ingenieurwesen in der Abteilung Innovation
"Dass man in allen Phasen eine schnelle Antwort bekommt, ist ein zusätzlicher Ansporn, positiv zu bleiben, dass man ein Praktikum bekommt oder zumindest ein Feedback, was auch immer das ist [...]. In den verschiedenen Phasen habe ich mich gut aufgehoben gefühlt, alle haben auf mich gehört und vor allem habe ich sofort den Teamspirit bei TS gespürt."
Die T&S Innolab gewinnt den 1. Platz mit ihrer innovativen Lösung zur Fußgängererkennung
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 T&S Innolab gewinnt den 1. Platz mit ihrer innovativen Lösung zur Fußgängererkennung
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.
Der Hackathon: Grundsätze, Verfahren, Regeln und Herausforderungen
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:
Erstellung der Reiseroute
Fußgängererkennung
Hindernisvermeidung
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.
Der Hackathon: Eine Plattform für Austausch und Konfrontation für T&S und seine AG-Tech-Lösungen
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.
Der Wettbewerb beginnt
In der Qualifikationsphase des Hackathons entschied sich T&S für die Teilnahme an den Herausforderungen 2 und 3, d. h. Fußgängererkennung und Hindernisvermeidung.
Die Komplexität der Erkennung von Fußgängern in landwirtschaftlichen Umgebungen
Die Erkennung von Hindernissen in landwirtschaftlichen Umgebungen ist besonders komplex.
Die Erkennung und Identifizierung von Umweltelementen kann durch viele Faktoren beeinträchtigt werden:
Veränderungen der Helligkeit: Tage, Nächte, Schattenwurf durch das Blätterdach und die Pflanzen,
Wettergefahren: Regen, Schnee, Hagel, Nebel
Starke Behinderung durch die Vegetation: Es ist üblich, dass Landwirte von einem Feld zum anderen gehen, um jede Pflanze zu inspizieren und zu ernten. Die hohe Konzentration von Vegetation schafft eine natürliche Tarnung, die verhindert, dass Roboter Fußgänger richtig erkennen.
Die Identifizierung von Personen ist dank der jüngsten Verbesserungen der künstlichen Intelligenz möglich
Die Grenzen der klassischen Methoden und der Aufstieg der KI
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.
Vorteile der Roboterinstrumentierung
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.
Fußgängererkennung für Agrarroboter: Die Entscheidung für LiDAR
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.
Erkennung von Fußgängern in komplexen Umgebungen
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.
Hindernisvermeidung in einer landwirtschaftlichen Umgebung
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.
Doppelte Anforderung an die Hindernisvermeidungsmethode
Umgehung von beweglichen Hindernissen
Die Methode muss es dem Roboter ermöglichen, bewegliche Hindernisse zu erkennen und ihnen auszuweichen, um eine reibungslose und sichere Navigation zu gewährleisten.
Präzise Navigation in beengten Räumen
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.
Bestehende Ansätze zur Hindernisvermeidung
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:
Empirische und geometrische Ansätze (geringer Rechenaufwand, kann aber in komplexen Fällen "stecken bleiben")
Wegeplanungsansätze durch Optimierung (sehr zeitaufwändig, aber auch in eingeschränkten Umgebungen brauchbare Lösungen)
Modellprädiktive Steuerungsansätze (hoher Rechenaufwand, aber Berücksichtigung der Dynamik des Fahrzeugs und der Hindernisse, empfohlen für Hochgeschwindigkeitsfahrzeuge)
Ein einfacher und effektiver LIDAR-basierter Ansatz
2D-Hinderniskarte in Echtzeit mit LiDAR-Sensordaten erstellt
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.
Semantische Segmentierung: Ein entscheidender Punkt für die Autonomie von Agrarrobotern
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.
Vielversprechende Ergebnisse und große Anpassungsfähigkeit
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!
Das Finale bei WFIRA 2024
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.
Der GDRA-Hackathon: Ein spannendes Finale
3D-Simulator mit den LiDAR-Daten
Tag 1: Eintauchen in den 4D-Virtualiz-Simulator
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.
Das Innolab-Team auf dem Prüfstand
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.
Eine neue Jury für eine neue Herausforderung
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.
From Simulation to Reality: Innolab Tests Its Solution in the Field
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.
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!
Share
Our experts are only a phone call away!
Let us know your circumstances, and together we can find the best solution for your product development.
Planning your cloud migration journey: strategies and best practices
Optimize your cloud migration with expert advice on migration strategy, cloud planning and IT infrastructure assessment. Discover best practices for a successful transition to cloud computing with Technology & Strategy.
What is Systems Engineering and why is it essential?
Systems Engineering is an interdisciplinary approach essential for developing complex products. It involves understanding and structuring needs, specifying and modeling systems, and ensuring lifecycle continuity. Systems Engineering improves collaboration, reduces risks, optimizes costs and time, and enhances product quality. It is a mindset that benefits all engineers, from software developers to project managers.
.svg){kind=icon}
.svg){kind=icon}
.svg){kind=icon}
.svg){kind=icon}
