[ Mobile Robotersysteme ] B S O I r e f o h n u a r F www.iosb.fraunhofer.de ISSN 1616-8240

Liebe Freunde des Fraunhofer IOSB, Editorial immer wieder sind Arbeiten an Orten auszuführen, die für den Menschen kaum erreichbar sind oder gar seine Gesundheit bedrohen, zum Beispiel auf dem Meeresgrund oder auf chemisch oder radioaktiv kontaminierten Arealen. Solche menschenfeindlichen Umgebun- gen sind ein naheliegender Anwendungsfall für mobile autonome Roboter. In den vergangenen Jahren gab es – getrieben insbesondere durch industrielle Anwen- dungsszenarien – erhebliche Innovationsschübe auf dem Gebiet der Robotertechnologie: von flexibel einsetzbaren mehrarmigen Manipulatorsystemen über (teil-)autonome mobile Robotersysteme bis hin zu kooperativ mit dem Menschen agierenden Robotern. Die sich ergebenden Möglichkeiten zum Einsatz von Robotern in menschenfeindlichen Umgebun- gen sind derzeit nicht ansatzweise ausgeschöpft. Ein wesentlicher Schlüssel zum Erfolg besteht darin, die notwendigen Fähigkeiten zur Analyse der Umwelt und zur darauf basierenden, gezielten Steuerung der Systeme auf den Roboter selbst zu übertragen. Während Maschinen beim Einsatz in menschenfeindlichen Umgebungen heute noch in vielen Fällen von Menschen ferngesteuert werden, ist die vorliegende visIT-Ausgabe dem Autonomie-Ansatz gewidmet: Roboter sollen Aktionen auf der Basis einer automatisierten, sensorbasierten Umweltanalyse selbstständig planen und durchführen. In ihrem Gastbeitrag analysieren der Geschäftsführer und der Präsident der Initiative SPRINT Robotics, Rudolf Essel und Dr. Ekkehard Zwicker, die industrielle Bedeutung auto- nomer Roboter. Es folgen die Berichte von Dr. Janko Petereit, Dr. Gunnar Brink und Tobias Höfler sowie Helge Renkewitz über unsere Forschungsarbeiten zu land- und seegestützten autonomen Robotersystemen. Gerade im Bereich der Unterwasserrobotik konnte das Fraunhofer IOSB in jüngster Zeit international stark beachtete Erfolge verzeichnen. Ein aktuell im Brennpunkt stehendes Thema ist das Maschinelle Lernen. Es wird zwar noch nicht zur Verhaltenssteuerung autonomer Roboter eingesetzt – in Teilbereichen wie der Umgebungsanalyse bestimmt es aber schon heute den Stand der Technik, wie Arne Schumann und Lars Sommer deutlich machen. Um auch zukünftig im internationalen Wett - bewerb führend zu sein, benötigt Deutschland im Bereich Maschinelles Lernen geeignet ausgebildete Fachkräfte. Diesem Thema ist der abschließende Beitrag von Dr. Christian Walther und Prof. Dr. Andreas Wenzel gewidmet. Prof. Dr.-Ing. habil. Jürgen Beyerer Institutsleiter Wir wünschen eine anregende Lektüre! Karlsruhe, im August 2018 Dipl.-Ing. Christian Frey Abteilungsleiter Mess-, Regelungs- und Diagnosesysteme (MRD) Prof. Dr.-Ing. habil. Jürgen Beyerer Dipl.-Ing. Christian Frey vis IT 3 Mobile Robotersysteme

ƒ Roboter gefährliche Tätigkeiten über- nehmen, wie Feuerlöschen und Arbeiten in großer Höhe, ƒ Roboter dem Menschen den Einstieg in geschlossene Behälter abnehmen können, der ebenfalls als gefährliche Tätigkeit angesehen wird. Ein Beispiel sind Lage- rungstanks, die derzeit für die Inspektion geleert, gereinigt und vom Netz genom- men werden müssen. Die damit verbun- dene Stillstandszeit verursacht hohe Kosten durch die damit verbundenen Umsatzein- bußen. Oft ist der kritischste Teil der Tank- boden3. Da etwa 80 Pro zent der inspi- zierten Tanks nach der Inspektion ohne Reparatur wieder in Betrieb gehen können, hätte eine Inspektion während des Betriebs einen positiven Einfluss auf das Betriebs- ergebnis. Dieses könnte beispeilsweise durch eine roboterisierte Inspektion des Bodens im Betrieb erreicht werden. ƒ Roboter den Menschen einen Einsatz in entlegenen und offshore Einsatzge- bieten ersparen können, wodurch hohe Kosten für die Unterbringung und den (Helikopter) Transport von Mannschaften eingespart werden können. ƒ Roboter Tätigkeiten in großen Höhen und anderen schwer zugänglichen Stellen ver- richten können, weil Schutzmaßnahmen für Menschen wie Gerüste und / oder die Demontage / Ersatz von Isolierungen zeit- und kostenaufwändig sowie poten- tiell gesundheitsgefährdend sind. ƒ Roboter wiederkehrende Arbeiten auto- matisieren und Daten mit dem Zeitpunkt und dem Ort der Datennahme versehen, was eine Trendalayse und die Anwen- dung von weitergehender Analysesoft- ware ermöglicht. 3 Der Tank kann während der Inspektion der Wand in Betrieb bleiben, da diese von außen inspiziert werden kann. Der Einsatz von Robotern erhöht die Anlagen- verfügbarkeit signifikant dadurch, dass bei gleichen Kosten Inspektionen häufiger durch- geführt werden können, was beispielsweise bis zur Überwachung des Wachstums eines Risses gehen kann. Dadurch wird die Anla- genbetriebszeit erhöht, ohne die Sicherheit einzuschränken. Außerdem sinkt die Wahr- scheinlichkeit von ungeplanten Instand- haltungsmaßnahmen und Großschadens- ereignissen. TEST, DEMONSTRATION, VALIDIERUNG UND KOMMERZIALISIERUNG Für die Entwicklung eines ersten Labor- musters bis zu einem einsatzreifen Produkt sind die folgenden Schritte von entschei- dender Bedeutung: ƒ Die technische Lösung muss von Anfang an unter realistischen Einsatzbedingungen getestet werden; dies erfordert perma- nente Testeinrichtungen, die ein kontrol- liertes und wiederholtes Testen unter Ein- satzbedingungen erlauben. ƒ Technische Lösungen müssen vor dem Serieneinsatz validiert bzw. qualifiziert werden. ƒ Demonstrationen müssen unter realis- tischen Bedingungen durchgeführt wer- den, um Nutzern (Dientleistern) und End- nutzern (Anlageneignern und Betreibern) den potentiellen Nutzen neuer Technolo- gien glaubhaft zu vermitteln. ƒ Nutzer und Endnutzer müssen neue Technologien einsetzen, sobald sie ver- fügbar sind, um wertvolle Einsatzerfah- rung zu sammeln. Diese Schritte werden von einer Reihe von organisierten Wettbewerben unterstützt, die reale Anwendungen für neue Roboter- entwicklungen abbilden. Die amerikanische DARPA hat Roboterwettbewerbe organi- siert, in denen Roboter praktische Aufga- ben lösen müssen wie das Öffnen einer Tür oder eines Ventils oder die Aufnahme eines Werkzeugs. Die Firma Total S.A. hat bis Ende 2017 die ARGOS Challenge orga- nisiert, die gezielt auf Anwendungen in der Öl- und Gasindustrie ausgerichtet war. Die European Robotics League hat einen Roboterwettbewerb für den Außenbereich intiiert mit einem Fokus auf Szenarien des Katastrophenschutzes. vis IT 5 Mobile Robotersysteme

jeweils benötigten Funktionalitäten. Die Modulkonfiguration kann entspre- chend der gewünschten Nutzfunktion für verschiedene Roboterplattformen, Umgebungen und Sensorausstattungen ohne großen Aufwand angepasst werden. Zu den für eine autonome Baumaschine benötigten Modulen gehören neben der Lokalisierung und Umgebungserfassung auch Planungsfunktionalitäten. LOKALISIERUNG UND UMGEBUNGSERFASSUNG Das Lokalisierungskonzept für mobile Robotersysteme integriert verschiedene Sensoren, wie beispielsweise eine inertiale Messeinheit und GPS. Zur Schätzung der 3D-Position und -Lage werden die Mes- sungen geeignet fusioniert, wobei ihre jeweiligen Unsicherheiten berücksichtigt werden. Zusätzlich wird das kinematische Modell des Robotersystems einbezogen, welches die zulässigen Bewegungsarten vorgibt. So kann ein Bagger, wie auch die meisten anderen Fahrzeuge, keine reine Seitwärtsbewegung ausführen; er kann jedoch seinen Oberwagen relativ zum Kettenfahrwerk drehen, was auch in der Lokalisierung berücksichtigt werden muss. Mehrere 3D-LiDAR-Sensoren erzeugen eine detaillierte 3D-Rekonstruktion der Umge- bung sowie eine präzise Erfassung des Arbeitsraumes. Dank exakter Kalibrierung aller Sensoren und der Fusion der LiDAR- Daten kann ein zentimetergenaues Abbild des Arbeitsbereichs erzeugt werden, wobei Verdeckungen im Regelfall kompensiert werden können (Abb. 2). Über die generierte 3D-Rekonstruktion erfolgt eine fortlaufende Arbeitsraumüber- wachung und Kartierung der Umgebung. Dies ermöglicht eine autonome Bewegung unter Vermeidung von Hindernissen. BEWEGUNGS- UND AUFGABENPLANUNG Als ein beispielhaftes Aufgabenszenario wurde das autonome Abtragen einer Bodenschicht realisiert. Hierbei erfolgt eine Vorgabe der abzutragenden Geometrie durch eine Benutzereingabe in der Karte, welche an ein übergeordnetes Planungs- modul weitergegeben wird. Darauf basie- rend wird in der Ablaufsteuerung die kor- respondierende zyklische Handlungskette festgelegt und abgearbeitet. Die Überprü- fung des Fortschritts sowie die Planung des weiteren Vorgehens erfolgt anhand der fortlaufend auf Basis der Umfeldsensorik durchgeführten Kartierung des Arbeits- raumes (Abb. 3). Eine große Herausforderung bei der Bewegungsplanung und -regelung stellt die Regelung der Hydraulik dar, welche zur Bewegung des Arms notwendig ist. Das entwickelte Regelungskonzept basiert auf einem detaillierten Modell der gesamten Kinematik und Hydraulik, in welcher u. a. auch die auftretenden Totzeiten berück- sichtigt werden. Eine kaskadierte Regelung über die nachgerüsteten elektrohydrau- lischen Ventile gewährleistet eine zentime- tergenaue Bewegung des Baggerarms. FAZIT Mithilfe der »Algorithmen-Toolbox für autonome mobile Robotersysteme« wurde ein handelsüblicher Bagger in kurzer Zeit zu einer autonomen Arbeitsmaschine umgerüstet. Neben der Basisfunktion des autonomen Fahrens beschäftigen sich die Forschungsarbeiten des Fraunhofer IOSB zukünftig schwerpunktmäßig mit der auto- nomen Durchführung konkreter Nutzfunk- tionen wie zum Beispiel der Rückholung von Altlasten oder der Sanierung von Deponien. Abb. 2: Unterschiedlich eingefärbte Punktwolken der drei 3D-LiDAR-Sensoren. Abb. 3: Geometrische Karte des Arbeitsraumes. Literatur: [ATZ17] Emter, T.; Frese, C.; Zube, A.; Petereit, J.: Algorithmen-Toolbox für autonome mobile Robotersysteme, ATZ Offhighway (2017) 10: 48. https://doi.org/10.1007/s35746-017-0039-y vis IT 7 Mobile Robotersysteme

Wasser sind, empfangen die USV GPS- Signale aus dem Weltall und übersetzen sie in akustische Signale, die in die Tiefsee gesendet werden. An diesen Signalen orien- tieren sich die Tauchfahrzeuge, navigieren und bestimmen die Geoposition. Nach der Mission in der Tiefe fängt jedes USV ein Tauchfahrzeug mit einem von uns patentierten Verfahren ein und transportiert es zurück zum Ufer, wo die Daten ausgelesen und ausgewertet werden. Unsere USV können autonom fahren, aber auch durch Satellitenverbindung, Funk oder Mobilfunk im so genannten »man in the loop« -Betrieb ferngesteuert werden. AUSBLICK Bislang sind unsere USV sehr stark auf die Bedingungen des Shell Ocean Discovery XPRIZE und nicht auf einen langen Betrieb ausgelegt. Wir werden uns nach dem Wettbewerb damit beschäftigen, wie man die Fahrzeuge über große Zeiträume unbe- mannt betreiben, ohne Mutterschiff mit Energie versorgen und warten kann (siehe Abb. 2). Damit die Technologie zeitnah ein- gesetzt werden kann, entwickeln wir ein Aussetz- und Bergesystem, das es erlaubt, mit preiswerten bemannten Schiffen viele unbemannte USV und Tauchfahrzeuge parallel zu betreiben. Abb. 2: Die Vision des Water Striders 2.0 – Das tiefgetauchte SWATH-Konzept (Small Waterplane Area Twin Hull) ermöglicht eine gleichmäßige, von Wind und Wellen weitestgehend unbeeinflusste Fahrt; dabei beschleunigen die Wasserstrahlantriebe am Heck das Fahrzeug auf bis zu 20 Knoten. Die lang- gestreckten Rümpfe enthalten u. a. die Bord-Computer, die Energieversorgung sowie die akustische Kommunikationseinrichtung. Im Vergleich zu dem aktuellen Modell werden die Rümpfe die Möglichkeit aufweisen, selbst Sonare und Kameras zu tragen, um in Küstennähe die Datenerfassung zu unterstüt- zen. Über der Wasserlinie (knapp unterhalb des Schnittpunkts der Streben) liegen lediglich das Schlepp- system sowie Antennen für Funk- und Satellitenverbindung. Daher kann bei schwerer See das gesamte Fahrzeug getaucht werden um Sturmschäden zu vermeiden. für die autonome, schnelle und hochauf- lösende Tiefseeforschung voranzutreiben. Ziel dieses Preises ist die vollständige Erfor- schung und Kartierung des Meeresbodens sowie der Wunsch, das Leben in der Tiefsee zum Wohle der Menschheit zu entdecken. dens erforschen will, braucht man Sensoren, die in weniger als 100 m Höhe über dem Meeresboden bewegt werden. Die dafür geeigneten Schiffe sind in Anschaffung und Betrieb mit einigen zehntausend € bis zu 150.000 € pro Tag teuer. Mit unbe- mannten, autonomen Tauchfahrzeugen kann man mehr Flächenleistung aus diesen großen bemannten Schiffen herausholen (siehe Seite 10). Um die Kosten der Ozean- exploration weiter zu senken, haben wir 2017 begonnen, nun auch USVs zu entwi- ckeln, die die Tauchfahrzeuge ganz ohne Menschen auf See begleiten: Unser Institut nimmt mit dem Team »ARGGONAUTS« am renommierten 7 Mio. US$ Shell Ocean Discovery XPRIZE teil, der Teams aus der ganzen Welt herausfordert, Technologien Unser erstes unbemanntes Schiff ist in Abbildung 1 zu sehen. Das Boot ist eine Eigenentwicklung auf Basis eines hochsee- tauglichen, aufblasbaren Katamarans. Für den Wettbewerb haben wir einen Schwarm aus fünf dieser Fahrzeuge gebaut, die unsere selbst entwickelten Tauchfahrzeuge zum Testgebiet bringen, dass bis zu 90 km vom Land entfernt sein kann. Dort werden die Fahrzeuge ausgesetzt und starten ihre Mission in die Tiefe. Während sie unter Wir wollen unsere Vorarbeiten zudem dafür nutzen, weitere Anwendungen von USV, wie die Überwachung von Küsten, die Rettung in Seenot geratener Personen sowie die Beseitigung von Trümmern und Abfällen zu erschließen. Vielleicht werden in Zukunft USV aus unserem Institut mit geringen Betriebskosten ohne Gefährdung von Menschen monatelang auf See sein, um riesige Abfallteppiche einzusammeln und dem Recycling zuzuführen. vis IT 9 Mobile Robotersysteme

Abb.3: Nachbau der Avro Canada CF-105 »Arrow«. Abb. 2: Das kanadische Projektteam mit dem in Ilmenau entwickelten Unterwasserfahrzeug DEDAVE. Abb. 4: Sucherfolg mit Hilfe aus Thüringen: Die Trägerrakete der CF-105 auf dem Grund des Ontariosees. schwere und große Druckgehäuse ver- zichtet werden, was zu einem sehr schlanken und leichten Design führt, das viel Platz für die Payload-Sektion (der Bereich, in dem die für die Explorati- onsaufgabe notwendige Sensorik unter- gebracht ist) ermöglicht. • Die Batterien und der zentrale Daten- speicher können werkzeuglos ausge- tauscht werden. Nach einer Mission können die beiden Komponenten inner- halb von 30 Minuten gewechselt werden. Das spart kostenintensive Schiffszeit. • Durch die kompakte Größe bei gleich- zeitig großer Payload-Sektion (Abmes- sungen: 3,5 x 0,95 x 0,55 m) können mehrere AUVs parallel eingesetzt werden. Auch das kann die Schiffszeit deutlich reduzieren. • Systemmodularer Aufbau: Titan-Rahmen in verschiedenen Längen, dezentrales Steuerungskonzept, zentrales Bussystem für interne Kommunikation • Extrem präzise Fahreigenschaften durch Sensordatenfusion • Automatische Kartenerstellung aus den Sensordaten • Offene Nutzlastschnittstellen Im September 2017 konnte DEDAVE als ThunderFish alpha auf seiner ersten kom- merziellen Mission erfolgreich mehrere Modelle des kanadischen Überschall-Delta- flügler Avro Canada CF-105 im Ontariosee aufspüren. Das Flugzeug wurde Mitte bis Ende der 1950er Jahre in Kanada als Abfang- jäger entwickelt. In den kanadischen Museen existieren bisher jedoch nur Nach- bauten dieses historischen Flugzeuges. Bei der Entwicklung des Flugzeuges wurden zahlreiche Tests von einer Basis am Ufer des Ontariosees durchgeführt. Dabei wur- den die Modelle auf Trägerraketen platziert und abgeschossen. Auch diese Trägerrake- ten wurden mehrfach auf dem Seeboden gefunden (siehe Abbildung). Die Mission im Rahmen des »Raise the Arrow« Pro- jekts erzeugte ein weltweites Medienecho, von Berichten auf Spiegel Online bis hin zu einem Artikel in der New York Times. Literatur: https://www.fraunhofer.de/de/presse/ presseinformationen/2017/dezember/ ueberreste-von-historischem-flugzeug- gefunden.html 11 vis IT Mobile Robotersysteme

Abb. 2: Interessante Objekte am Meeresboden weisen hohe visuelle Varianz auf. Alle dargestellten Objekte werden vom Verfahren erfolgreich lokalisiert. Quelle des Bildmaterials: © BGR Hannover Künstliche Neuronale Netze ermöglichen es, die Vielfalt an Charakteristiken und Variati- onen innerhalb eines einzelnen Modells zu erfassen (Abb. 2). Das resultierende Modell ist in der Lage, Objekte von einigen zehn bis hin zu hunderten Pixeln Größe erfolgreich zu lokalisieren. Die so detektierten salienten Bildbereiche können dann zur schnellen Sichtung großer Datenbestände in einem vom Fraunhofer IOSB entwickelten Suchwerkzeug genutzt werden. AUSWERTUNGSWERKZEUG Die Software zur Suche nach interessanten Bildinhalten bietet eine Reihe von Opti- onen, um Datenbestände so zu sortieren, dass die interessantesten Bilder mit Priorität ausgewertet werden können. Die Suchop- tionen basieren auf den zuvor detektierten und bewerteten interessanten Bildregionen. Kriterien sind z. B. die Anzahl von Detek- tionen pro Bild (Abb. 3), die Konfidenz der Detektionen oder die visuelle Vielfalt innerhalb der Bilder. Ausgehend von der Ergebnisliste kann dann eine manuelle Auswertung erfolgen, die sich auf die rele- vanten Bilder und Bildbereiche konzentriert und nicht durch die Großzahl an inhalts- leeren Bildern gebremst wird (Abb. 3). Große Mengen von Bild- und Videodaten können so schnell und effizient ausgewertet werden. Abb. 3: Die IOSB-Software für die Suche nach auffälligen Bildinhalten. Im links dargestellten Modus sind die Bilder nach der Menge von enthaltenen interes- santen Objekten sortiert. Auf den ersten Positionen häufen sich Bilder mit Ansammlungen von Seeanemonen. Das selektierte Bild hingegen enthält ein zentrales salientes Objekt (Krebstier). Rechts ist der Einzelbildmodus mit eingezeichneten Detektionen abgebildet. Quelle des Bildmaterials: © BGR Hannover 13 vis IT Mobile Robotersysteme

3. Automatisches Folgen: Basierend auf den Daten der integrierten Sensoren (Laserscanner, Kamera) können Personen erkannt oder Objekte klassifiziert wer- den, welchen der Roboter folgen soll. Diese Klassifikation kann mittels KNN oder auch Support Vektor Maschinen erfolgen. Die verschiedenen Anwendungsfälle der Lernsysteme werden dabei in Aufgaben- stellung und möglicher Umsetzung ein- fach gehalten, um sie im Lehr- und Weiter- bildungsbetrieb verwenden zu können. Ergänzend liegt die Verwertung der Ergeb- nisse von »TransML« für die beteiligten Partner neben dem vorrangig adressierten Bereich der Weiterbildung und Lehre auch in der wissenschaftlichen Vermittlung in Form von Beiträgen, Präsentationen und verständlicher Aufbereitung des Themen- gebietes. Zudem wird die Maßnahme »TransML« grundlegende Ergebnisse für die anwendungsnahe Forschung im Bereich des ML liefern. Die zukünftige Akquise von industriellen Projekten der Forschung und Entwicklung wird durch eine bessere Ver- ständlichkeit des Arbeitsbereiches ML für potentielle Projektpartner verbessert. Das diesem Beitrag zugrundeliegende Vor- haben wurde mit Mitteln des Bundesmini- steriums für Bildung, und Forschung unter dem Förderkennzeichen 01IS17079B geför- dert. Die Verantwortung für den Inhalt die- ser Veröffentlichung liegt bei den Autoren. Für die Verbesserung der Weiterbildung in den Praxisphasen wurden die folgenden Lernsysteme für die Umsetzung von »TransML« beschafft: ein Server für Maschinelles Lernen des Typs NVIDIA DGX-1 (Abb. 1), ein Arbeitsplatz für Versuche der Automatisierungs- und Regelungstechnik (FESTO MPS-PA Compact Workstation) sowie das mobile Robotersystem FESTO Robotino Premium. Im Folgenden wird näher auf das Robotersystem eingegangen, da besonders im Home-Care-Bereich der Einsatz von Robotern immer interessanter wird. Im Wohnbereich können Transport- aufgaben (teil)autonom übernommen wer- den, um bspw. ältere oder behinderte Men- schen bei täglichen Aufgabenstellungen zu entlasten. Aber auch in industriellen Umge- bungen kommen bspw. Transportroboter immer stärker zum Einsatz, um Arbeits- prozesse zu rationalisieren. Das Robotino- System ist eine Lernumgebung, um Auf- gaben, Abläufe und Prozesse zu verstehen und anwendungsnahe bzw. industrienahe Praxisversuche zu ermöglichen. Dabei werden zunehmend auch Methoden des Maschinellen Lernens für zusätzliche Funktionsintegrationen auf den mobilen Roboterplattformen (Abb. 2) genutzt. Die Basisfunktionen der Plattform, wie z. B. die grundlegende Steuerung und Rege- lung, werden dabei nicht durch »TransML« adressiert, sondern ML-Funktionen ergänzt: 1. Klassifikation von Objekten mittels Methoden des Maschinellen Lernens (z. B. mittels Künstlicher Neuronaler Netze – KNN): Durch das Robotino- System werden Werkstücke visuell identifiziert, korrekt aufgenommen und abgelegt. 2. Bahnplanung für die Innenraumnaviga- tion: Das optimale Anfahren eines vor- gegebenen Zielpunktes wird vorab über eine Bahnplanung organisiert. Diese Bahnplanung kann im Anwendungs- beispiel mittels Multikriterieller Evolutio- närer Algorithmen optimiert werden. Abb. 1: Deep Learning Server des Typs NVIDIA DGX-1 V100. Das Serversystem wurde im Rahmen von »TransML« an der Hochschule Schmalkalden in Betrieb genommen. Abb. 2: Mobile Indoor-Roboterplattform am Institutsteil AST des Fraunhofer IOSB. Literatur: [1] Schneider, M.; Walther, C.; Wenzel, A.: Classification of Production Quality in Injection Moulding with an Embedded Diagnostic System Using a Fuzzy Inference System, Proceedings 26. Workshop Computational Intelligence, ISBN 978-3-7315-0588-4, November 2016, 193-202 [2] Walther, C.; Wenzel, A.; Beneke, F.; Hensel, O. & Huster, J.: Determination of working states of the rotating cutting assembly in forage harvesters by artificial neural networks, at - Automatisierungs- technik, Special Issue: Computational Intelligence, 2017, 65(3), März 2017, 198-206 15 vis IT Mobile Robotersysteme