Kooperative Bewegungsstrategien für Roboter in unbekannten ...

2 Einsatz von Roboter-Teams in unbekannten Umgebungen 23
anstehenden Bewegungen im Auge behalten. Sich selbst zu lokalisieren ist selbstredend
auch in anderen Kontexten wichtig, wo Zusammenarbeit und dynamische Koordination
von Robotern vorausgesetzt wird; so zur cooperative manipulation, bei der Objekte
transportiert oder neu positioniert werden müssen (Chaimowicz et al. 2004, S. 7 f.).
Die weitreichenden Beschäftigungen mit von Robotergruppen durchgeführten Rettungsoperationen
des RoboCupRescue-Projekts (RoboCupRescue 2009) unterstreichen die
Bedeutung dieses Forschungszweigs. In aller Regel erfordert die Verwendung von Teams
Kommunikation zwischen den Robotern, um kooperatives Verhalten sinnvoll umsetzen
zu können. Sobald Roboter aber Sensordaten teilen, muss Wissen über die Pose der anderen
existieren, da sich die Daten ansonsten nicht in ein globales Koordinatensystem
integrieren lassen (Navarro-Serment et al. 1999, S. 232).
Natürlich ließe sich die Lokalisierung eines Roboter-Teams wie gehabt vollziehen, indem
jeder Roboter unabhängig mit den beschriebenen Techniken versucht, seinen Standort
zu bestimmen, was trotz neuer Schwierigkeiten, wie dem ständigen Umgang mit dynamischen
Objekten im Sensorbereich, sicherlich in einigen Anwendungen zu ausreichenden
Ergebnissen führt. Wenn sich aber auf das Wissen anderer zugreifen lässt und so gemeinsam
Posen bestimmt werden können, eröffnet dies neue Möglichkeiten. Das Problem der
Aufrechterhaltung von Schätzungen über alle Posen der Roboter eines Teams, bei dem
sich Roboter gegenseitig lokalisieren und zur Erhöhung der Genauigkeit kommunizieren,
wird als cooperative (multi-robot) localization bezeichnet (Odakura & Costa 2006,
S. 554 und Rekleitis et al. 2002, S. 1). „For robot teams, however, one must distinguish
between two kinds of localization: absolute localization, in which each robot
attempts to determine its pose with respect to some external global coordinate system,
and relative localization, in which each robot attempts to determine the pose of every
other robot in the team, relative to itself“ (Howard et al. 2003, S. 65). Kooperative
Verfahren gab es bislang nicht in dem Umfang der single-robot localization, jedoch
haben sich einige Ansätze im letzten Jahrzehnt herauskristallisiert.
Erhöhung der Lokalisierungsgenauigkeit durch das Wissen vieler
Die vielleicht nahe liegendste Idee, von Teams im Zuge lokaler und globaler Lokalisierung
zu profitieren, ergibt sich aus der Miteinbeziehung der Sensordaten und Schätzungen
anderer in die Berechnungen jedes Roboters: Begegnen sich Roboter, so teilen sie
sich ihr Wissen über aktuelle Posen und die Umgebung mit. Zusätzlich bestimmen sie
die relative Lage zu den jeweils anderen, um die Informationsmengen mischen zu können.
Dann lässt sich die Ungenauigkeit von Schätzungen intuitiv gesprochen deswegen
verringern, weil aus verschiedenem unsicherem Wissen Schnittmengen wahrscheinlicher
Posen resultieren. Prinzipiell ermöglicht dies, die bekannten probabilistischen Verfahren
weiterhin zu nutzen und sie um die Einbettung von Kooperation zu erweitern. Jedoch
impliziert die Existenz mehrerer Roboter Probleme, die es zu bewältigen gilt.
Wie in Kapitel 2.1 erwähnt, verletzt der Einsatz von Teams aus Sicht eines Roboters
in der Theorie die Markov-Annahme, denn seine Situation wird nicht nur von seinem
eigenen Verhalten beeinflusst. Praktisch lässt sich Abhilfe schaffen, indem andere Roboter
simplerweise ignoriert werden, wobei fraglich ist, inwiefern das stets funktioniert:
für einen Roboter inmitten eines Schwarms wird es schwierig sein, Merkmale des stati-