CUSLAM

Im Projekt CUSLAM wird eine integrierte Lösung zur robusten autonomen Selbstlokalisation und Kartenerstellung in räumlich eingeschränkten Unter­wasser­umgebungen erarbeitet. Ziel ist es, auch in komplexen Unterwasserumgebungen, wie zum Beispiel Unterwasserproduktionsstätten, autonome Unter­wasser­fahrzeuge (AUVs) sicher und verlässlich einsetzen zu können. Die beiden Aspekte Sicherheit und Robustheit spielen hierbei eine zentrale Rolle: Erst wenn beide Aspekte erfüllt sind, wird es wirtschaftlich rentabel, Überwachungs- und Erschließungsaufgaben durch AUVs durchführen zu lassen. Der hohe Schwierigkeitsgrad dieser Aufgabe liegt in der Kombination einer Reihe von bereits schwierigen Einzelaufgaben:

• Unterwassernavigation, Lokalisierung und Kartenerstellung
• Navigation in beengten, dynamischen 3D-Räumen
• Komplexe Aufgabenerfüllung durch schwach überwachte autonome Systeme

Der Ansatz des CUSLAM-Algorithmus wurde so gewählt, dass die Anforderungen aller drei Teilaufgaben erfüllt sind und so auch die Gesamtaufgabe – die robuste, autonome Selbstlokalisation und Kartenerstellung in räumlich eingeschränkten Unterwasserumgebungen – erfüllt werden kann.

Um die Robustheit und Validität des hier entwickelten Algorithmus nachzuweisen, werden ausführliche Versuchsreihen durchgeführt. Diese sollen inkrementell ablaufen: Zu Beginn sollen einzelne Teilaufgaben unter Laborbedingungen, am Ende die Gesamtaufgabe unter Realbedingungen am künstlichen Riff der Universität Rostock absolviert werden. Diese Versuchsreihen werden mit Hilfe des bereits vom DFKI entwickelten AUVs 'AVALON' durchgeführt. Um eine aussagekräftige Validierung der Algorithmen zu ermöglichen wird 'AVALON' um eine Reihe von speziellen, hochauflösenden Messinstrumenten erweitert, welche bewusst nicht in die Berechnungen des CUSLAM-Algorithmus einfließen, sondern nur dem Nachweis seiner Korrektheit und Robustheit dienen. Der so entwickelte Algorithmus bleibt so vielseitig, ökonomisch und auch von kleinen, schwach instrumentierten Fahrzeugen einsetzbar. Die robuste Selbstokalisierung und Kartenerstellung innerhalb einer Unterwasserproduktionsstätte soll als Benchmark für den Algorithmus dienen, anhand dessen er getestet und evaluiert wird. Das künstliche Riff der Universität Rostock in der Ostsee soll als realistische Annäherung an dieses Szenario dienen. Da diese Aufgabe deutlich komplexer als die Lokalisierung und Kartenerstellung über freien Flächen zu sehen ist, wird der Algorithmus auch diesen Fall abdecken.