Wie ist es Ihnen gelungen, die sicherheitsrelevante Wahrnehmung von Robotern auf den gesamten dreidimensionalen Raum zu erweitern?
Knut Sandven: Der Ausgangspunkt war die Erkenntnis, dass die zentrale Einschränkung von 2D-Lidar nicht in der Intelligenz, sondern in der Geometrie liegt. Ein rotierender Laserstrahl kann immer nur eine horizontale Ebene erfassen. Alles oberhalb oder unterhalb dieser Ebene ist daher praktisch unsichtbar, unabhängig davon, wie gut die dahinterliegende Software ist. Für eine echte 3D-Abdeckung mussten wir das Problem deshalb zunächst auf Hardwareebene lösen. Dafür haben wir winzige MEMS-Ultraschallwandler entwickelt, die so dicht beieinander angeordnet sind, dass sie gemeinsam ein Sensorarray bilden. Das Prinzip ähnelt dem medizinischen Ultraschall: Eine Sonde sendet Schall aus und erfasst die zurückkehrenden Echos, um daraus ein Bild zu erzeugen. Wir machen im Prinzip dasselbe, allerdings durch Luft statt durch Wasser oder Gewebe. SIL2/PLd zu erreichen, war dabei kein nachträglicher Schritt. Die Sicherheitsanforderungen waren von Anfang an Teil der Entwicklung und beeinflussten sowohl die Anordnung der Sensorelemente als auch die Wahl der Programmiersprache Rust für die Firmware. Denn die Anforderungen von IEC61508 und ISO13849 setzen ein deterministisches Echtzeitverhalten voraus. Adar One wurde von Exida zertifiziert. Die unabhängig verifizierte Wahrscheinlichkeit eines gefährlichen Ausfalls liegt bei weniger als 1,5×10-7 pro Stunde.
Können Sie ein paar Beispielanwendungen nennen, in denen Ihre 3D-Ultraschallsensoren besonderen Mehrwert gegenüber 2D-Laserscannern bieten?
Einen deutlichen Mehrwert bietet 3D-Ultraschall z.B. bei bodennahen und überhängenden Hindernissen. Gabelstaplerzinken, Paletten, heruntergefallene Werkzeuge, niedrige Regale oder überstehende Lasten können außerhalb der Scanebene eines 2D-Laserscanners liegen und dadurch unentdeckt bleiben. Das gilt auch für Personen, die sich z.B. bücken oder sitzen. Mit seiner 180×180°-Abdeckung erfasst Adar One Menschen und Objekte dagegen über die gesamte Höhe. Vorteile bietet Ultraschall auch bei Staub und Feuchtigkeit sowie bei reflektierenden oder transparenten Oberflächen. Lidar und Kameras können Partikel in der Luft oder Glas und Spiegel falsch interpretieren oder übersehen. Ultraschall ist davon weitgehend unbeeinflusst. Das zeigt auch der Einsatz beim Serviceroboter von Cleanfix: Dort kam es in staubigen und feuchten Reinigungsumgebungen zu weniger Fehlstopps. Zudem kann 3D-Ultraschall die Sensorik vereinfachen. Beim autonomen Reinigungsroboter Cleanfix RA660 Navi XL ersetzt ein Adar One bis zu 14 separate lineare Ultraschallsensoren. Das reduziert Verkabelung, Fehlerquellen und Systemkomplexität und ermöglicht gleichzeitig eine echte 3D-Abdeckung. Auch in stationären Roboterzellen lässt sich Adar One einsetzen, um abstandsbasierte, dynamische Sicherheitszonen zu schaffen.
Wie kann 3D-Sensorik konkret die Mensch/Roboter-Kollaboration und die Interaktion innerhalb von mobilen Roboterflotten verbessern?
Der entscheidende Schritt besteht darin, von reinen Vermeidungszonen zu einem echten räumlichen Verständnis zu gelangen. Eine Flotte, die nur eine Ebene sieht, muss mit großen Sicherheitsabständen und abrupten Stopps agieren, weil sie z.B. nicht erkennen kann, ob sich ein überhängendes Objekt tatsächlich im Fahrweg des Roboters befindet. Eine vollständige 3D-Wahrnehmung ermöglicht dagegen ein wesentlich genaueres Bild davon, wo sich Menschen und Objekte befinden. Roboter können sich dadurch gleichmäßiger und vorhersehbarer in der Nähe von Menschen bewegen und ungeplante Stopps aufgrund von Fehl- oder mehrdeutigen Erkennungen lassen sich reduzieren. Gleichzeitig sind abgestufte Reaktionen möglich: Der Roboter kann z.B. verlangsamen, anstatt sofort vollständig zu stoppen, weil er besser zwischen einem tatsächlichen Eingriff in die Stoppzone und einem Objekt in einer Warnzone unterscheiden kann. Darauf basieren auch die konfigurierbaren Zonen von Adar One mit einer Stoppzone und Warnzonen in bis zu 128 vorkonfigurierbaren Bereichen. Das macht das Verhalten der Roboter für Mitarbeiter nachvollziehbarer und konsistenter und sorgt auch innerhalb größerer Flotten für einen zuverlässigeren Betrieb.
