Algorithmus für simultane Aufgaben
Aber mit dem Sprung alleine ist es nicht getan. Um sich in unbekanntem Terrain autonom bewegen zu können, benötigt der Roboter das Wissen über die eigene Umgebung inklusive vorhandener Objekte. Ein Rechner mit angeschlossenen Sensoren und High-End-Kameras, so der Plan des Teams, sollen das bewerkstelligen. Genauer gesagt, zwei Industriekameras agieren als Stereokamerapaar und erfassen die Umgebung dreidimensional. Da im Katastrophenfall bei zerstörten Objekten jedoch kein Kartenmaterial vorhanden ist, muss der Roboter gleichzeitig seine Position bestimmen als auch eine Karte erstellen können – ein typisches Henne/Ei-Problem, das im Alltag häufiger vorkommt, als man denkt: Mähroboter, Saugroboter, Luftüberwachung mit unbemannten Drohnen, Landfahrzeuge in der Raumfahrt, Riffüberwachung, die Erforschung von Minen, etc. Aus diesem Grund haben sich viele Wissenschaftler mit dem Problem beschäftigt und mit dem SLAM-Algorithmus (Simultaneous Localization and Mapping) die Möglichkeit geschaffen, simultan Positionen zu bestimmen und Karten zu erstellen. SLAM in Verbindung mit Kameras und einer inertialen Messeinheit (IMU) zur Bewegungsdetektion ermöglichte es den Studenten, den Roboter im Raum anhand visueller Daten zu lokalisieren. Die Kameras zeichnen ferner die Umgebung des Roboters in Form von Sparse Maps (digitale Karten) auf und verzeichnen darin vereinzelte markante Orientierungspunkte. Durch diese ist wiederum ein Wiedererkennen bereits befahrener Strecken möglich.