Entwicklung und Vergleich von Methoden zur autonomen Navigation in unwegsamem Gelände für einen kettengetriebenen Roboter unter besonderer Berücksichtigung maschinellen Lernens

C. Förster


Für Such- und Bergungsaufgaben werden Roboter benötigt, die in der Lage sind, komplexe Aufgaben selbstständig zu erfüllen. Eine besondere Herausforderung ist dabei die Navigation. Deshalb ist in dieser Arbeit ein komplett autonomes System entstanden, welches es Robotern ermöglichen soll, in unwegsamem Gelände zu navigieren. Hierzu wurden zwei grundlegend verschiedene Ansätze verwendet. Ein Ansatz nutzt herkömmliche Verfahren, um mit einer Höhenkarte Befahrbarkeitseigenschaften zu berechnen, daraus einen Pfad zu planen und diesem dann zu verfolgen. Der andere Ansatz nutzt Deep Reinforcement Learning, um auf Basis komplexer, in einer Simulationsumgebung bereitgestellter Sensorinformationen, wie Höhenkarte und Tiefenbilder, ein autonomes Navigationsverhalten zu erlernen. Weiterhin wurde für beide Systeme eine Steuerung für kettenbespannte Hilfsarme entworfen, die es dem Roboter ermöglicht, Hindernisse zu überwinden. Die Ergebnisse wurden einander abschließend gegenübergestellt und bewertet.