Roboter bekommen neue Funktion: Algorithmus kann Sensoren und deren mathematische Modellierung automatisch erkennen

Damit ein Roboter weiß, wo er ist, sind Lokalisierungsalgorithmen notwendig. Diese arbeiten meist mit Sensordaten, aus denen sich die Position berechnen lässt. In vielen Fällen ist es für Ingenieur:innen und Forscher:innen noch sehr aufwändig herauszufinden, wie ein Sensor aufgebaut ist, in welchem Format die Sensordaten kommuniziert werden, und welche Positionskalibrierung dieser Sensor auf einem Roboter hat. Christian Brommer und seine Kollegen haben eine neue Methode in der Forschungsgruppe Control of Networked Systems, Universität Klagenfurt, entwickelt, mit der man all dies nun nicht mehr braucht: Der Algorithmus kann das Sensor-Modell automatisch erkennen und daraus wichtige Daten zur Lokalisierung berechnen.

In modernen Robotersystemen – etwa in Drohnen oder autonomen Fahrzeugen – kommen unterschiedliche Sensoren zum Einsatz, von Kameras über Beschleunigungsmesser bis hin zu GPS-Modulen. Doch deren korrekte Integration erfordert bislang Expert:innenwissen und aufwändige Kalibrierung.

Christian Brommer, Alessandro Fornasier, Jan Steinbrener und Stephan Weiss, zum Zeitpunkt der Forschungsarbeiten alle Mitarbeiter der Forschungsgruppe Control of Networked Systems, haben nun eine neue Methode entwickelt und in dem renommierten Journal IEEE Transactions on Robotics (T-RO) veröffentlicht. Diese Methode ermöglicht es Robotern, automatisch den Typ eines neu hinzugefügten Sensors zu identifizieren, seine Position und Ausrichtung zu schätzen und ihn korrekt in das bestehende Navigationssystem einzubinden.

„Mit der Methode die wir vorstellen, muss man nicht mehr wissen, welcher Sensor verwendet wird. Egal ob GPS, Magnetometer/Kompass oder Geschwindigkeitsmesser – die Daten können einfach an den Algorithmus weitergegeben werden und das Sensor-Model wird automatisch erkannt“, so Christian Brommer. Für die Erkennung brauchen die Forscher jedoch etwas Bewegung, wie er weiter ausführt: „Dies kann man z.B. handgehalten in einem Labor machen oder, wie wir im Paper gezeigt haben, auch während des Fluges mit einem Quadcopter und während der Fahrt mit einem Auto.“

Bedarf gibt es für die Methode zweifelsohne: Auf GitHub, einer Plattform für Open-Source-Projekte, gibt es mehr als 14.000 Anfragen von Entwickler:innen zu den Keywords ‚sensor model integration‘. „Unsere Arbeit soll die Integration von Sensoren zu Lokalisierungslösungen wie Filtern einfacher, schneller und robuster gestalten“, so Christian Brommer.

Christian Brommer, Alessandro Fornasier, Jan Steinbrener & Stephan Weiss (2025). Sensor Model Identification via Simultaneous Model Selection and State Variable Determination. IEEE Transactions on Robotics, https://ieeexplore.ieee.org/document/11078000.