Bessere Objektortung in industriellen Umgebungen dank KI
Ortungstechnologien für Innenräume tragen dazu bei, den Industriesektor zu verändern. Wie ein GPS lokalisieren sie Personen und Objekte und erhöhen so die Effizienz, Sicherheit und Automatisierung in Gebäuden wie Werk- und Lagerhallen. Das neue europäische Projekt DUNE entwickelt nun neuartige Lösungen zur verbesserten Standortverfolgung für Ressourcen in industriellen Innenräumen. Im Rahmen des EU-finanzierten Projekts VEDLIoT kombiniert DUNE Deep-Learning-Verfahren mit verteilten Rechensystemen, die sich auf Cloud-, Edge- und Far-Edge-Computing-Funktionen stützen, um Anwendungsanforderungen in Echtzeit zu erfüllen. „Bei zahlreichen der heutigen technologischen Ansätze wird versucht, die Eigenschaften von Funksignalen zu nutzen, um die relative Position zwischen Objekten zu bestimmen“, erklärt Prof. Xavier Vilajosana Guillén von der Universitat Oberta de Catalunya, Spanien, in einer Pressemitteilung auf der Website der Universität. „Diese technologische Vielfalt und das breite Spektrum an Einsatzmöglichkeiten mit sehr unterschiedlichen Budgets und Anwendungsumgebungen bedeutet, dass wir einen leistungsfähigen Rahmen für die in Echtzeit erfolgende Verwaltung von Ortungsdaten aus verschiedenen Technologien entwerfen müssen, der sich gleichzeitig an verschiedene industrielle Anforderungen anpassen lässt und wirtschaftlich attraktiv ist.“ Zur Ortung einer Ressource in einer Innenraumumgebung schätzt das Empfangsgerät deren Position anhand der Richtung, aus der das von der Ressource ausgesendete Signal kommt. Die Hindernisse zwischen dem Sender und dem Signalempfangsgerät führen jedoch zu Ungenauigkeiten bei der Schätzung der Objektposition. DUNE setzt zur Überwindung dieses Problems Ortungsmechanismen ein, die durch Deep-Learning-Verfahren in verschiedenen Phasen des Ortungsprozesses unterstützt werden.
So funktioniert das System
Das verteilte System besteht aus zahlreichen Sensoren und Ortungsinstrumenten, die an den zu verfolgenden Objekten angebracht sind. Diese Instrumente erzeugen Rohdaten, die verarbeitet werden müssen, um die Positionen der verschiedenen Objekte zu bestimmen. Wie in der Pressemitteilung erwähnt, findet die erste Datenverarbeitung „Far-Edge“ statt, in der Nähe der Antennen, die die Signale übertragen. Dadurch verringert sich die Reaktionszeit und die Bandbreite des Servers und gleichzeitig erhöht sich die Datensicherheit. Die Funksignale, die von den Objektsensoren ausgesendet werden, werden von den Antennen des Ortungsgeräts empfangen. Die Daten müssen daraufhin verarbeitet werden, um die Winkel zu schätzen, die die Richtung bestimmen, aus der das Signal kommt, damit die Daten in Echtzeit aktualisiert werden können. „In einer perfekten Welt funktioniert diese Transformation als geometrischer Prozess, der vom Abstand zwischen den Antennen (Distanz) und der Funkfrequenz (Wellenlänge) abhängt. Solche Umgebungen sind jedoch mit Rauschen und Unregelmäßigkeiten behaftet“, erklärt Prof. Vilajosana Guillén. „Bei der Lösung dieser Probleme können Deep-Learning-Methoden zu einem sehr wertvollen Hilfsmittel werden, um genaue Schätzungen des Objektstandorts zu erhalten.“ Andere Edge-Geräte werden eingesetzt, um die Daten in Echtzeit zu verarbeiten und zu aggregieren, wobei ein weiterer Filterschritt hinzugefügt wird, um die Signalumwandlung zu verbessern und die Einbindung verschiedener Technologien zu ermöglichen. Die geschätzten Positionen werden dann von diesen Edge-Geräten an eine Cloud-Infrastruktur übermittelt, die mit dem Informationssystem der Werkhalle verbunden ist. In der Cloud werden fortschrittliche KI-Methoden genutzt, um Anomalien zu korrigieren, zu verbessern, zu klassifizieren und zu ermitteln und den Betrieb zu optimieren. Das Projekt VEDLIoT (Very Efficient Deep Learning in IOT) entwickelt eine innovative Plattform für das Internet der Dinge, die zur Lösung anspruchsvoller Probleme in Schlüsselsektoren wie Industrie und Verkehr beitragen soll. Das Projekt endet im Oktober 2023. Weitere Informationen: VEDLIoT-Projektwebsite
Schlüsselbegriffe
VEDLIoT, DUNE, Positionierungstechnologie für Innenräume, Industrie, Daten, Deep Learning, Objektortung, Edge, Far Edge, Cloud
