T&S gewinnt den Ag Robotics Hackathon mit innovativer Fußgängererkennung mit LiDAR! In diesem Artikel wird beschrieben, wie die KI-gestützte Lösung von T&S mithilfe von LiDAR-Sensoren die Herausforderung zur Fußgängererkennung beim Agricultural Robotics Hackathon gewonnen hat. Entdecken Sie die Herausforderungen der Agrarrobotik und wie T&S den Weg für eine sicherere und effizientere landwirtschaftliche Automatisierung ebnet.
Landwirtschaftliche Robotik erweist sich als vielversprechende Lösung, um dem Arbeitskräftemangel zu begegnen und den Herausforderungen in Bezug auf Produktivität und Sicherheit zu begegnen.
In diesem Zusammenhang fand der erste Hackathon der“Grand Défi de la Robotique Agricole“ (GDRA) stattgefunden hat.
Organisiert von Robagri über Frankreich 2030, der GDRA Hackathon zielte darauf ab, die Robotisierung des Agrarsektors zu konsolidieren und zu beschleunigen, indem Forscher und Fachleute aus diesem Bereich zusammengebracht wurden.
Diese erste Ausgabe zielt darauf ab, drei große Herausforderungen im Zusammenhang mit der Ankunft von Robotern in der landwirtschaftlichen Umgebung anzugehen:
Teams aus der ganzen Welt traten in einer Qualifikationsphase von Dezember 2023 bis Januar 2024 zu jedem dieser Themen an.
Basierend auf der Leistung jeder vorgestellten Lösung und der Meinung einer Expertenjury wurden die beiden besten Teams jeder Herausforderung für eine letzte Phase qualifiziert.
Das Innolab-Team von T&S nahm die Herausforderung an und meldete sich für die Herausforderungen Fußgängererkennung und Hindernisvermeidung an.
Seit 2019 entwickelt T&S All-Terrain intelligente Mobilitätslösungen durch seine Forschungs- und Entwicklungsteam Innolab.
Spezialisiert auf AG-Tech, das Team hat sich viel Fachwissen zu den Themen Wahrnehmung, Planung, Steuerung und Sicherheitsfunktionen angeeignet.
Dieser Hackathon war eine Gelegenheit für T&S, sein Fachwissen mit anderen Marktteilnehmern zu konfrontieren.
Während der Qualifikationsphase des Hackathons entschied sich T&S für die Teilnahme an den Challenges 2 bzw. 3 Fußgängererkennung und Hindernisvermeidung.
Die Hinderniserkennung 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 ihre Natur nicht, eine entscheidende Herausforderung für die Sicherheit von landwirtschaftliche Roboter. KI ermöglicht jetzt die präzise Identifizierung von Hindernissen.
Die Roboterinstrumentierung ist einfacher und realistischer als Umweltinstrumente und bietet Flexibilität und Anpassungsfähigkeit.
Das Innolab-Team bevorzugte eine On-Board-Lösung auf der Grundlage von KI und Roboterwahrnehmung für eine zuverlässige und präzise Hinderniserkennung durch die Entwicklung einer innovativen Lösung auf der Grundlage eines LiDAR-Sensor.
Fußgängererkennungsaufgaben werden in der Regel mit Sensoren wie Kameras, Wärmebildkameras oder LiDARs gelöst.
Da der Wettbewerb auf einem Simulator stattfindet, ist der Einsatz einer Wärmebildkamera nicht möglich.
Darüber hinaus werden Kameras verwendet in autonome Fahrzeuge sind nachts oder ohne ausreichende Beleuchtung unzuverlässig.
LiDARs, ähnliche U-Boot-Sonar-Sonare, funktionieren Tag und Nacht gleichermaßen gut. Sie bieten auch eine unübertroffene Genauigkeit bei der Messung der Entfernung zu nahen und entfernten Objekten.
Mit dieser Technologie können Fußgänger auch bei schwierigen Wetterbedingungen und bei Vorhandensein von Hindernissen mit hoher Präzision erkannt werden.
Das vom Innolab-Team entwickelte System passt sich an Helligkeitsschwankungen, Wettergefahren und starke Hindernisse durch die Vegetation an.
Es verwendet eine robustes Deep-Learning-Modell um Fußgänger von Hindernissen zu unterscheiden und eine genaue Lokalisierung in Echtzeit zu gewährleisten.
Die Teilnahme an der Herausforderung zur Hindernisvermeidung ermöglichte es dem Innolab-Team, seine wichtigsten Tools (ROS, Gazebo, Docker) besser einzusetzen und sein Fachwissen im Bereich Hindernisvermeidung zu erweitern.
Die Methode muss es dem Roboter ermöglichen, sich bewegende Hindernisse zu erkennen und ihnen auszuweichen, um so eine reibungslose und sichere Navigation zu gewährleisten.
Die Methode muss es dem Roboter auch ermöglichen, nahe an festen Hindernissen vorbeizukommen, z. B. Reihen eng beieinander liegender Ranken, um in komplexen Umgebungen eine bessere Effizienz zu erzielen.
Im Gegensatz zu Straßenfahrzeugen und ihren Überholmanövern in einfachen Umgebungen ist die Hindernisvermeidung für Agrarroboter angesichts der Vielzahl von Elementen und spezifischen Einschränkungen der Felder eine größere Herausforderung.
Bei autonomen Robotern in beengten Umgebungen konzentriert sich die Forschung auf drei Bereiche:
Aus Gründen der verfügbaren Entwicklungszeit und der Implementierung 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.
Bei jeder neuen Messung wird die Karte aktualisiert, um die Erkennung zu verfeinern und bewegliche Hindernisse zu berücksichtigen. Diese Karte ermöglicht zusammen mit den Informationen zur Orientierung und Manövrierfähigkeit des Roboters die 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 passt sich einer Vielzahl von Umgebungen an.
Die semantische Segmentierung für Agrarroboter ist aufgrund der äußeren Bedingungen und der Notwendigkeit, zu lernen, nicht standardisierte Hindernisse zu identifizieren, komplex.
Zum Glück verfügen T&S und seine Teams von Englab und Innolab über Fachwissen in den Bereichen KI sowie Tools zur Datengenerierung und -verarbeitung, die eine bessere Hinderniserkennung ermöglichen.
Mit diesen beiden Lösungsvorschlägen konnte T&S seine Fähigkeiten unter Beweis stellen und kletterte dank der Erkennungsrate und Genauigkeit seiner Lösung auf den ersten Platz bei der Fußgängererkennung.
Dieser 1. Platz in der Qualifikationsphase ermöglicht es uns, unsere Tickets für die letzte Phase zu erwerben, die während der Ausgabe 2024 der World FIRA stattfand!
Die Weltfira ist eine (wenn nicht die) größte AG-Tech-Veranstaltung.
Diese Ausstellung bringt Landwirte, Industrielle, Roboterhersteller und Forscher zusammen.
Diese Veranstaltung bietet 3 Tage lang die Gelegenheit, Vorführungen modernster Roboter zu beobachten und an Konferenzen, Präsentationen von Forschungsprojekten und Bildung teilzunehmen.
Am 6. Februar 2024 hatte das Finale des GDRA Hackathon mit der Vorstellung des neuen 4D-Virtualiz-Simulators und seiner neuen Herausforderungen einen fulminanten Start.
Dieser hochmoderne Simulator kann Sensoren mit Messgeräuschen versorgen, ungünstige Wetterszenarien erzeugen und neben herkömmlichen Hindernissen (Gebäude, Zäune, fahrende Landmaschinen, Fußgänger, Vegetation, Feldfrüchte) auch realistische Fußgänger in die Umgebung integrieren.
Trotz dieser neuen Einschränkungen hat uns unser Expertenteam nicht enttäuscht. Dank ihrer strengen Vorbereitung erzielten sie schnelle Ergebnisse mit ähnlichen Leistungen wie in der vorherigen Phase.
Die Bewertungskriterien aus der Qualifikationsphase wurden nicht verwendet, um die Finalistenteams zu trennen. Da jede Herausforderung einzigartig ist, war ein objektiver Vergleich in der Tat nicht möglich. Aus diesem Grund wurde eine zweite Expertenjury ernannt, um das Gewinnerteam auszuwählen.
Nach reiflicher Überlegung wurde das Team von T&S Innolab dank seiner innovativen Fußgängererkennungslösung als erster Gewinner des GDRA-Hackathons ausgewählt.
Nach anderthalb Monaten harter Konkurrenz mit Simulatoren ist das Innolab-Team bereit, sich einer neuen Herausforderung zu stellen: dem Testen seiner Fußgängererkennungslösung in einer realen landwirtschaftlichen Umgebung.
Dazu verlassen sie sich auf ihre geländegängige KIPP-Testplattform.
Diese wichtigen Experimente werden es ermöglichen, die während des gesamten Projekts getroffenen technischen Entscheidungen zu bestätigen und den Betrieb dieses innovativen Systems in der realen Welt zu validieren.
Die Erweiterung des Systems um Kameras ist ebenfalls vorgesehen, um den spezifischen Anforderungen bestimmter Anwendungsfälle gerecht zu werden.
Bleiben Sie dran, um die nächsten Fortschritte dieses vielversprechenden Projekts zu verfolgen!
„Entdecken Sie die Grundlagen von Linux Embarqué, einem Open-Source-Betriebssystem, leicht und modular, das im Internet der Dinge, in vernetzten Objekten, in industriellen oder medizinischen Systemen eingesetzt wird. Technologie und Strategie vous accompagne dans vos projets innovants grâce à son expertise.
MEHR LESEN
Sébastien Julien hat Englab bei T&S strukturiert und weiterentwickelt. Er brachte strategische Visionen, praktische Erfahrung und menschliches Wachstum ein, um ein Ingenieurbüro zu einem wichtigen Kapital des Unternehmens zu machen.
MEHR LESEN
T&S verpflichtet sich gemeinsam mit SBTi zu einem ehrgeizigen Ansatz, um seine CO2-Emissionen zu reduzieren und seine Maßnahmen bis 2033 unter aktiver Beteiligung aller seiner Unternehmen an den globalen Klimazielen auszurichten.
MEHR LESEN
.svg){kind=icon}
.svg){kind=icon}
.svg){kind=icon}
.svg){kind=icon}
