Sichere, automatisierte und energieoptimale Binnensee-Navigation auf Basis von unsicherheitsbehafteter Intentionsvorhersage und Situationserfassung

• Antragsteller: Professor Oliver Dürr, Ph.D.; Professor Dr.-Ing. Johannes Reuter; Professor Dr. Georg Umlauf
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 564133053

Das geplante Forschungsvorhaben zielt auf die Entwicklung neuer methodischer Grundlagen für eine sichere, automatisierte und energieeffiziente Navigation in Binnenseen. Im Zentrum stehen probabilistische Modellierungsansätze, fortgeschrittene Verfahren der Sensorfusion, mathematische Optimierungstechniken und Regelungsverfahren für sicherheitskritische Systeme. Die resultierenden Konzepte sollen langfristig als fundiertes Instrumentarium dienen, um autonome Navigationssysteme robust und vielseitig anwendbar zu gestalten. Ein Schwerpunkt liegt auf der Integration heterogener Sensordaten (etwa Kameras, LiDAR, Radar) in ein einheitliches, probabilistisches Modell. Durch die Kombination klassischer statistischer Signalverarbeitung, Deep Learning basierter Objekterkennung und fortschrittlicher Algorithmen zur Szenenanalyse entsteht ein kohärentes, fehlerrobustes Abbild der Umgebung. Dieses flexible Modell ist in der Lage, Unsicherheiten realitätsnah zu berücksichtigen und unterschiedliche Umgebungsbedingungen abzubilden. Aufbauend darauf werden neuartige Planungs- und Entscheidungsstrategien konzipiert, die probabilistische Optimierungsansätze, Bayes’sche Inferenz und Markov-Entscheidungsprozesse nutzen. So können Navigationsrouten erzeugt werden, die Kollisionsrisiken minimal halten und auf wechselnde Situationen reagieren. Diese dynamischen Planungsverfahren berücksichtigen sowohl Unsicherheiten in der Wahrnehmung als auch bezüglich der Evolution der Szene. Das Ergebnis sind adaptive Methoden, die selbst unter unvollständigen und fehlerbehafteten Informationen robuste Entscheidungen treffen. Parallel dazu rückt die Minimierung des Energiebedarfs in den Fokus. Durch die Kombination nichtlinearer Optimierungsmethoden und Reinforcement-Learning-Verfahren wird ein ressourceneffizientes Steuerungskonzept entwickelt, das den Energieverbrauch reduziert, ohne dabei Kompromisse bei der Sicherheit einzugehen. Auf diese Weise entsteht ein theoretisch fundiertes Methodenrepertoire, das weit über die eigentliche Navigationsaufgabe hinausreicht und auf weitere Bereiche der autonomen Robotik und des autonomen Fahrens übertragbar ist. Insgesamt schafft das Projekt die Basis für eine neue Generation hochgradig autonomer und energieoptimierter Navigationssysteme, die sich flexibel an unterschiedliche Anforderungen anpassen lassen. Diese auf methodischer Ebene ausgearbeiteten Ansätze haben das Potenzial, weit über das konkrete Anwendungsfeld hinaus Wirkung zu entfalten.

• DFG-Verfahren: Sachbeihilfen (Transferprojekt)
• Anwendungspartner: Shiptec AG