AREA.AI
r4 Verbundprojekt: AREA.AI - Adaptives Robustes Emissionsarmes Autonomes Transportsystem zur AI-gestützten Rohstoffgewinnung; Teilvorhaben 3: Übergeordnetes Autonomiesystem
Als Nachfolgeprojekt von ARTUS beschäftigt sich das Verbundvorhaben AREA.AI mit der voranschreitenden Autonomisierung einer Flotte von Sonderfahrzeugen in einem hybriden Bergwerk zu einer umweltschonenden und nachhaltigen Gewinnung mineralischer Rohstoffe. Das Ziel des Vorhabens ist es den Herausforderungen heimischer Gewinnungsbetriebe bei der Senkung der CO2-Emissionen, Begegnung des Fachkräftemangels und die soziale Akzeptanz der Gewinnung zu begegnen. Das AREA.AI Projekt setzt auf die Integrierung intelligenter autonomer Systeme sowie die den Ausbau der Elektrifizierung der Fahrzeuge.
Steckbrief
Laufzeit
01.01.2024 - 28.02.2026
Fördergeber
Bundesministerium für Bildung und Forschung
Förderkennzeichen
Das Projekt wird unter dem Förderkennzeichen 033R392C geführt.
Projektleitung / Project Manager
- Prof. Dr. rer. nat. Alexander Ferrein
- Prof. Dr.-Ing. Michael Reke
- Prof. Dipl.-Inf. Ingrid Scholl
Mitarbeitende / Staff
- Leonard Bracht, M.Eng.
- Andreas Braining, M.Eng.
Projektpartner
- xtonomy GmbH, Aachen
- Fritz Rensmann GmbH & Co. KG, Dortmund
- MASKOR Institut, FH Aachen University of Applied Sciences
- Institute for Advanced Mining Technologies, RWTH Aachen University
- Institute of Automatic Control, RWTH Aachen University
- Engiro GmbH, Aachen
Projektbeschreibung
AREA.AI leistet konkret folgende Beiträge:
Arbeitsplatzsicherheit, -gesundheit und -qualität erhöhen und Fachkräftemangel bekämpfen
Mit der Einführung des AREA.AI Transportsystems soll der Einsatz von autonomen Systemen in unstrukturierten, unpräparierten oder gar Mischbetrieben ermöglicht werden. Dies soll vermeiden, dass Maschinenbediener und andere Personen, die bisher Sicherheits- und Gesundheitsrisiken ausgesetzt sind und repetitive Aufgaben ausführen, bei folgenschweren Unfällen zu Schaden kommen. Die Tätigkeit der Arbeitskraft wandelt sich dabei weg vom Bedienen eines einzelnen Fahrzeugs hin zum Betriebsmanager und Flottenüberwacher mit übergreifenden Aufgaben. Dies mindert den Personalbedarf, da ein Mitarbeitender mehrere Maschinen bis hin zur Flotte überwachen, managen und unterstützen kann.
Paradigmenwechsel von Elefanten zu Ameisen
Bislang kann ein größerer Volumenstrom nur durch größere Fahrzeuge und oder mehr Mitarbeitende erreicht werden. Bisherige Systeme sind tendenziell überdimensioniert zur Erreichung der Prozesssicherheit, bei gleichzeitiger energetischer Ineffizienz. Mit AREA.AI sollen Fahrzeugflotten flexibel erweitert oder verkleinert werden können. Die Idee ist es hin zu kleineren und flexibleren Fahrzeugen, welche durch die Umgestaltung der Prozesse hin zu einer auf die autonome Maschine ausgelegten flexiblen Produktionsplanung weitreichende Veränderungspotentiale mit sich bringen, zu kommen.
Ressourcenschonende AI integrieren und die Grundlagen für CO2 freien Transport schaffen
Das Potenzial, Mittels autonomer Technologien energiesparende und damit emissionsarme Technologien in Transportsysteme zu integrieren, soll durch AREA.AI nutzbar gemacht und umgesetzt werden. Durch vorangehende ökologische und ökonomische Analysen soll festgestellt werden, welche CO2 freien Antriebstechnologien sich unter welchen betrieblichen Rahmenbedingungen und infrastrukturellen Voraussetzungen zum Einsatz in heimischen Betrieben eigenen, um diese in Zukunft CO2 frei zu gestalten. Da heutige Schwerkraftwagen hinsichtlich ihrer Masse, des Energieverbrauches und der betrieblich geforderten Reichweiten nicht batterieelektrisch zu betreiben sind, kann die Verkleinerung der der Fahrzeuge, die bereits im "Paradigmenwechsel" angesprochen wurde, die Grundlage für eine vollständige Umstellung hin zum elektrischen Transport und dem Ziel der „Zero Emission“ darstellen.
In dem Vorhaben AREA.AI werden im MASKOR Institut die drei folgenden Gesamtziele verfolgt:
KI-basierte Flottensteuerung (High-Level Control)
Im Vorgängerprojekt ARTUS wurde bereits eine erste Flottensteuerung erfolgreich realisiert an die nun angeknüpft werden soll. Ein maßgebliches Problem im Bergwerk ist, dass die Kommunikation zwischen der zentralen Planungsinstanz und den Fahrzeugen nicht durchgehend gewährleistet werden kann. Dies führt dazu, dass im Falle einer Neuplanung auf Seiten der zentralen Planungsinstanz es nicht gegeben ist, dass alle Fahrzeuge zeitnah davon in Kenntnis gesetzt werden können. Deshalb soll die bestehende zentrale High-level Control um lokales „Goal Reasoning“ erweitert werden.
Operational-Design-Domain orientierte sichere Fahrzeugsteuerung
Aus dem Vorgängerprojekt ARTUS erwies sich ein Bergwerk bereits als hochdynamische Umgebung in der sich die Anforderungen für automatisiertes Fahren dauerhaft ändern. Um dem zu begegnen, müssen die Anforderungen und Voraussetzungen laufend überwacht und mit den Systemgrenzen der automatisierten Fahrzeuge verglichen werden. Die Voraussetungen, die gelten müssen, damit ein automatisiertes Fahrzeug operieren kann, werden als sogenannte „Operational Design Domain“ (ODD) zu spezifiziert. Eine ODD kann unter anderem über Informationen wie den Wetterbedingungen, dem Ort, dem Fahrzeug oder einem Zeitpunkt definiert sein. Um zu gewährleisten, dass ein Fahrzeug nicht außerhalb seiner ODD operiert, muss das System konstant seine Umgebung und sich selbst überwachen.
Umfelderfassung und Mapping
Zur Erhöhung des Autonomiegrades werden aktuelle und sich an die Umgebung angepasste High-Definiton-Karten (HD-Karten) mit aktuellen Umgebungsinformationen und extrem hoher Genauigkeit und Detailtiefe benötigt. Im Rahmen des Vorgängerprojektes ARTUS wurde ein Muldenkipper bereits mit Sensorik zur Umfelderfassung ausgestattet, welches es ermöglichte Objekte wie Personen, andere Fahrzeuge und Fahrspurmarkierungen in der Umgebung des Fahrzeugs zu erkennen. In diesem Vorhaben soll die Technologie zur Erstellung der HD-Karte und deren dynamische Anpassung an eine sich verändernde Umgebungen weiter entwickelt werden, mit dem Ziel robustere Algorithmen zur Objekterkennung zu entwickeln.