Eingabe löschen

Zum Inhalt

Hauptnavigation

Zürcher Hochschule
für Angewandte
Wissenschaften

Servicenavigation

Neues Projekt zur Vorhersage menschlicher Bewegungen im Umfeld kollaborativer Roboter

Ein zweijähriges, von Innosuisse gefördertes Forschungsprojekt von Algorized und der ZHAW School of Engineering untersucht, wie Sensorfusion die Erkennung von Menschen und die sichere Mensch-Maschine-Interaktion verbessert.

Roboter, die Seite an Seite mit Menschen arbeiten, müssen menschliche Bewegungen zuverlässig einschätzen können. Gleichzeitig müssen ihre Steuerungssysteme wissen, wie verlässlich diese Einschätzungen sind. Algorized und das Institute of Signal Processing and Wireless Communications (ISC) der ZHAW School of Engineering haben ein zweijähriges Forschungsprojekt gestartet, das sich mit diesen beiden Fragen beschäftigt. Die Zusammenarbeit wird von Innosuisse gefördert.

Das Forschungsprojekt «Real-Time Human Perception via Edge-AI Wireless Sensor Fusion for Collaborative Robotics» läuft seit September 2026 und dauert zwei Jahre. Es baut auf früheren Forschungsarbeiten von Algorized und dem ISC im Bereich der Ultrabreitband-Radartechnologie (UWB) auf.

Ziel des Projekts ist es, Rohdaten von drahtlosen und optischen Sensoren in einer gemeinsamen Fusionsschicht zwischen den Sensoren und der Steuerung eines Roboters zusammenzuführen. Die Forschenden wollen die einzelnen Eingangssignale entsprechend ihrer Zuverlässigkeit gewichten und daraus eine kalibrierte Schätzung der Position und der voraussichtlichen Bewegungsbahn einer Person erstellen.

Algorized verarbeitet Rohdaten mithilfe eines einzigen Foundation Models, um die Anwesenheit von Menschen zu erkennen und zwischen Menschen und Objekten zu unterscheiden. Im Forschungsprojekt wird untersucht, ob die Zusammenführung der Rohdaten verschiedener Sensoren – noch bevor jeder Sensor eine eigene Entscheidung trifft – eine ganzheitliche Wahrnehmungsebene für Maschinen schafft, die ihre Umgebung und die darin befindlichen Menschen berücksichtigen.

Jeder Sensortyp liefert unterschiedliche Informationen. UWB-Radar und WLAN-Sensorik können beispielsweise helfen, Personen hinter einem Regal oder einer Maschine zu erkennen. Millimeterwellenradar ermöglicht es, Personen auch bei Staub, Dampf, Blendung oder Dunkelheit zuverlässig zu verfolgen. RGB- und Time-of-Flight-Kameras liefern zusätzliche räumliche und semantische Informationen. Das Forschungsprojekt untersucht, wie diese unterschiedlichen Sensordaten optimal kombiniert werden können.

Die Forschung verfolgt vier Ziele. Erstens sollen Personen erkannt werden, die sich einem Roboter nähern. Zweitens soll das System zwischen Lebewesen und nicht-lebenden Objekten unterscheiden können. Drittens sollen die Bewegungsbahnen einzelner Personen verfolgt und vorhergesagt werden. Viertens soll die Robotersteuerung eine abgestufte Handlungsanweisung erhalten: weiterarbeiten, Geschwindigkeit reduzieren oder stoppen. Die angestrebte Verarbeitungszeit liegt bei weniger als 100 Millisekunden auf handelsüblicher industrieller Edge-Hardware. Die geplanten Sicherheitsfunktionen von Algorized umfassen die Anwesenheitserkennung, die Lokalisierung und die Bewegungsverfolgung.

Ein solches Modell benötigt eigene Trainingsdaten. Diese müssen aus realen Betriebsumgebungen stammen, in denen sich Menschen bewegen. Für die Interpretation der Daten sind Forschende erforderlich, die die zugrunde liegenden physikalischen Zusammenhänge verstehen. Ziel ist die Entwicklung eines Basismodells, das sich auf unterschiedliche Sensortypen, Hersteller und Einsatzorte übertragen lässt, ohne für jede neue Anwendung erneut trainiert werden zu müssen.

«Maschinen halten Einzug in die physische Welt», sagt Natalya Lopareva, CEO und Gründerin von Algorized. «Damit Roboter und Menschen sicher zusammenarbeiten können, müssen die Roboter die Menschen in ihrer Umgebung verstehen. Wir untersuchen sämtliche Sensortypen und Ebenen der Datenverarbeitung, um gemeinsam genutzte Räume sicher zu gestalten. Dafür braucht es Forschung, die wir gemeinsam mit dem ISC der ZHAW School of Engineering vorantreiben.»

«Das Projekt bringt die Sensorikforschung des ISC in reale Industrieumgebungen. Die Forschenden werden Radar-, WLAN- und optische Signale kombinieren, um sich nähernde Personen von anderen Objekten zu unterscheiden und anschliessend deren Position und Bewegung einzuschätzen. Im Rahmen des Projekts untersuchen wir, wie sich die Zuverlässigkeit dieser Einschätzungen messen lässt und wie vorhergesagt werden kann, wohin sich eine Person als Nächstes bewegen wird», sagt Marc Kuhn, stellvertretender Leiter des ISC.

Über Algorized

Algorized entwickelt ein speziell für Edge-Systeme konzipiertes Nervensystem für Physical AI. Das Foundation Model des Unternehmens erkennt die Anwesenheit von Menschen, ihre Vitalparameter und ihre Absichten auch bei verdeckter Sicht. Mithilfe handelsüblicher drahtloser Sensoren ermöglicht es eine menschenorientierte Wahrnehmung in Echtzeit – auch dort, wo Kameras und lichtbasierte Systeme an ihre Grenzen stossen.

Algorized wird vom Amazon Industrial Innovation Fund unterstützt und baut auf vier Jahren Schweizer Sensorikforschung auf. Das Unternehmen arbeitet mit Halbleiterherstellern und industriellen OEMs in den Bereichen Robotik, Automobilindustrie und intelligente Umgebungen zusammen.

Weitere Informationen unter www.algorized.com.

Privatsphäre-Einstellungen

Wir zeigen Ihnen hier, welche Dienste auf unserer Website laufen können. Sie entscheiden selbst, welche Dienste wir nutzen dürfen. Mehr Informationen finden Sie in unseren Datenschutzhinweisen.

Unsere Website braucht diese Cookies, damit alles richtig funktioniert. Diese Cookies werden automatisch erstellt, wenn Sie auf der Seite aktiv sind – zum Beispiel, wenn Sie Datenschutz-Einstellungen ändern oder Formulare ausfüllen. In Ihrem Browser können Sie die Cookies zwar sperren oder sich warnen lassen. Dann werden aber einige Teile der Website nicht mehr richtig angezeigt. Diese Cookies speichern keine persönlichen Daten von Ihnen.

Mit diesen Diensten können wir sehen, wie unsere Website genutzt wird. Wir wissen aber nicht, wer Sie sind. Wenn Sie diese Dienste aktivieren, helfen Sie uns, die Website für alle besser zu machen.