Im NIKE MATE-Konsortium kooperieren TU Graz, Uni Leoben, BMLV, OHB Austria und Laabmayr, um ein täglich lernfähiges UWB-Netzwerk für Rescue-Missionen in dunklen, GNSS-losen Szenarien zu etablieren. Mobile Roboter sammeln Laserscans und Bilddaten, während Einsatzkräfte mit UWB-Tags Anker setzen. KI-basierte Sensordatenfusion und Factor-Graph-Optimierung erzeugen eine sich selbst verbessernde Karte. Durch wiederholtes Passieren derselben Bereiche verfeinert das System kontinuierlich die Positionsgenauigkeit auf unter einen Meter. Es funktioniert zuverlässig bei Licht- und Funkausfall.
In diesem Artikel finden Sie
Dynamische Karten in dunklen Umgebungen durch UWB-gestützte KI-basierte Sensorfusion
Das innovative NIKE MATE-System gewährleistet Rettungskräften in U-Bahnhöfen, Minen oder Tunneln auch bei Stromausfall, dichter Rauchentwicklung und zerstörten Netzwerkstrukturen eine verlässliche Orientierung. Ein UWB-Funknetzwerk verknüpft Sensoren an Robotern und Helmen, misst permanent Distanzen und überträgt Daten in beide Richtungen. Auf Basis dieser Informationen entsteht eine präzise, dynamisch pflegbare Karte. Die Lösung arbeitet autark ohne GNSS oder externe Datenverbindung und bleibt selbst in kritischen Situationen aktiv unter absolut sämtlichen denkbaren Extrembedingungen.
Radsensoren und Inertialdaten korrigieren Messungen, liefern genaue Positionsdaten kontinuierlich
Der autonome Kartiereroboter führt bei Betreten des Einsatzortes systematische Scans mit Laser, Kamera und Radsensoren durch und erstellt eine erste strukturierte Übersichtskarte. Anschließend begeben sich Einsatzkräfte mit an Helmen und Schuhen befestigten UWB-Tags in das Gebiet und positionieren Funkanker entlang ihrer Route. Durch die daraus resultierende Vermaschung kommunizieren Sensoren und Personen kontinuierlich miteinander, ermitteln Distanzen präzise ohne Freisicht und gewährleisten eine Ortung von Mensch und Maschine auf unter einen Meter.
Robuste UWB-Relais messen dauerhaft Distanzen für kritische, sichere Rettungsoperationen
Die Integration von UWB-Ankern in Rettungsnetzwerke ermöglicht neben der ständigen Weiterleitung von Kommunikationssignalen auch eine permanente Erfassung der Abstände zwischen allen vernetzten Einheiten. Selbst nach schweren Zerstörungen durch Explosionen oder Brände in engen Räumen bleibt die Lokalisierung präzise. Der Geodäsie-Experte Philipp Berglez von der TU Graz unterstreicht, dass diese herausragende Genauigkeit lebensrettende Bedeutung besitzt, etwa beim Erkennen geöffneter Fahrstuhlschächte oder gefährlicher Absturzstellen. Sie erhöht die Einsatzsicherheit und beschleunigt koordinierte Rettungsabläufe.
Schuh-Inertialsensoren erfassen Schritt-, Kriech- und Bauchkriechbewegungen, KI ersetzt Lagepläne
Durch Schuh-integrierte Inertialsensoren werden kontinuierlich Schritt-, Kriech- und Bauchkriechbewegungen der Helfer erfasst. Ein auf Machine Learning basierendes Analysesystem wertet die Signale in Echtzeit aus, um Positionsabweichungen zu kompensieren, wenn UWB-Distanzmessungen nicht zur Verfügung stehen. Dieser Ansatz ersetzt veraltete Lagepläne und reduziert Fehlerquellen, die durch eingestürzte Wände oder Trümmerhaufen entstehen. Die Kombination aus intelligenter Sensortechnik und adaptiver Positionskorrektur steigert Präzision und Sicherheit bei Rettungseinsätzen erheblich. Datenfusion gewährleistet robuste Orientierung auch extrem.
Team nutzt Factor-Graph-Technik für kontinuierliche Kartenverbesserung durch historische Messungen
Im Rahmen der Factor-Graph-Optimierung modelliert das Team Unsicherheiten jeder Positionsmessung als gewichtete Wahrscheinlichkeitsverteilungen. Durch das Verbinden von Messknoten entstehen geschlossene Schleifen bei wiederholtem Betreten vertrauter Bereiche. Dadurch können systematische und zufällige Fehlerquellen identifiziert und kompensiert werden. Mit jeder neuen Iteration aktualisiert die Algorithmik die Pose-Schätzungen rückwirkend und optimiert gleichzeitig die gesamte Kartenstruktur. Dies führt zu stabilen, präzisen Lokalisierungsresultaten und einer belastbaren Kartengenauigkeit in anspruchsvollen Einsatzszenarien und erhöht somit die Einsatzsicherheit.
Erhöhte Drohnenperspektive beschleunigt Kartierung von komplexen Strukturen in Einsätzen
Nachdem das Forschungsteam der Uni Leoben am Zentrum am Berg positive Versuchsergebnisse erzielt hat, steht die Härtung des Prototyps in realen Einsatzumgebungen an. Ergänzend dazu sollen kompakte Drohnen in die Netzwerkinfrastruktur eingebunden werden, um aus erhöhter Position weitreichende Daten zu sammeln. Über präzise Luftbildaufnahmen können Einsatzkräfte komplexe Hindernisse schneller erfassen und die Lage einschätzen. Dies steigert die operative Sicherheit und ermöglicht zielgerichtete Rettungsmaßnahmen selbst unter schwierigen Bedingungen. Effizienz wird nachhaltig gesteigert.
Rettungsteams profitieren mit NIKE MATE von einem ausfallsicheren UWB-Mesh, mobilen Sensorrobotern, KI-gestützter Sensordatenfusion und Factor-Graph-Optimierung für exakte Positionierung und Koordination in funkarmer, dunkler Umgebung. Unterbrochene Infrastruktur und Stromausfall beeinträchtigen weder Navigation noch Datenübertragung, da alle Stationen als Anker fungieren. Zukünftige Mini-Drohnen ergänzen das System durch Luftaufnahmen, erweitern das Situationsbild, beschleunigen Sucheinsätze und erhöhen durch vernetzte Lagekarten die Transparenz und Sicherheit in kritischen Rettungsszenarien. optimieren Ressourceneinsatz, ermöglichen kooperative Teamarbeit und Reaktionsgeschwindigkeit.
