Persim

In diesem Projekt sollen innovative systemunabhängige Softwarekomponenten entwickelt werden, welche bei zukünftigen be- oder unbemannten Raumfahrtmissionen zur Erweiterung des Autonomiegrads führen sowie für eine höhere Zuverlässigkeit der Navigationsfähigkeiten beim Einsatz von robotischen Systemen angewendet werden sollen.

Ziel ist es, integrierbare Softwarebausteine zu entwickeln, die eine virtuelle und hochrealistische Umgebungsdarstellung auf der Basis von Daten repräsentativer Sensoren erstellt. Diese Sensoren sollen unter anderem die mineralogische Zusammensetzung von Materialien (Steine, Regolith, Wasser bzw. Eis) in der direkten Umgebung des Roboters erfassen und somit die Umgebungsdarstellung wertvoll ergänzen. Mit Hilfe der Umgebungsrepräsentation werden erfolgversprechende Vorgaben für die autonome Navigation einerseits an den Roboter weitergegeben als auch anderer-seits in einem virtuellen Gedächtnis für wiederkehrende Situationen vorgehalten. Damit können die Erfahrungen von langen Einsatzperioden nachhaltig in die Systemsteuerung integriert werden, um daraus effizientere und sicherere Strategien für die Zukunft zu lernen.

Die Entwicklung und Demonstration der integrierbaren Softwarekomponenten werden auf einem am DFKI vorhandenen Rover mit Greifarm durchgeführt. Coyote III, das einzusetzende robotische System, wurde im Projekt TransTerrA (FKZ 50RA1301) für die Erprobung der Weltraumtechnologie in einer für Mond- oder Marsoberflächen repräsentativen Umgebung entwickelt.

Das Projekt baut auf den neuesten Innovationen aus den Forschungsprojekten des DFKI auf und verfolgt die Entwicklung von zwei Schlüsseltechnologien: Weltraumressourcen Identifizierung und interne Simulationen. Diese beiden Technologien können sehr effizient eingesetzt werden, um ein System mit beispiellosen autonomen Wahrnehmungsmerkmalen und Fähigkeiten zur Identifizierung und Vermeidung gefährlicher Situationen zu schaffen. Die Entwicklung einer internen Simulation wird auch zu einem Fortschritt in der Erforschung von Robotik Reinforcement Learning Anwendungen führen. Entsprechende Funktionen wurden bereits in der Literatur auf theoretischer Ebene in Hinblick auf eine effiziente Nutzung identifiziert. Die hierfür benötigte Umgebungsrepräsentationstechnologie ist zurzeit jedoch noch nicht robust genug implementiert, um reale Anwendungen zu entwickeln, welche von einer derartigen Technologie profitieren würden.
Darüber hinaus wird im Projekt ein starker Fokus auf Reproduzierbarkeit gelegt. Durch einen Test-Driven Ansatz, eingebettet in einer agilen Entwicklungsmethodik, werden belastbare und umfassend Tests offline (durch Simulation und durch Datensätze abspielen) sowie online (durch Feld-tests) durchgeführt und mit den Softwarekomponenten geliefert. Die Tests und die entsprechenden Ergebnisse werden in Zusammenhang mit den Datensätzen und der Definition von unterschiedlichen Missionen in einer Datenbank, die auch für die kontinuierlich Überprüfung der Funktionen dient, abgespeichert.

Das Konzept des Digital Twins, aus der Industrie 4.0, ist ein zentrales Thema, welches in diesem Projekt für ein Weltraumszenario angewendet wird. Insbesondre werden zwei Aspekte des Digital Twins erarbeitet:

1) Die Fähigkeiten robotischer Systeme, den Zustand der Umgebung zu digitalisieren, werden erweitert und
2) die Überwachung und Verbesserung der langfristigen Systemleistung wird ermöglicht - basierend auf realitätsnahen datengetriebenen Simulationen und Lernansätzen unter Verwendung der gesammelten Daten von Sensoren und Softwarekomponenten.