Wir haben unseren Beitrag „Situational Adaptive Motion Prediction for Firefighting Squads in Indoor Search and Rescue“ auf der ICRA im Workshop Long-Term Human Motion Prediction vorgestellt.
Die Brandbekämpfung ist eine komplexe, aber wenig automatisierte Aufgabe. Um die ergonomischen und sicherheitsrelevanten Risiken für die Feuerwehrleute zu minimieren, könnten Roboter in einem kollaborativen Ansatz eingesetzt werden. Um Mensch-Roboter-Teams bei der Brandbekämpfung zu ermöglichen, fehlen noch wichtige Grundlagen. Unter anderem muss der Roboter die menschliche Bewegung vorhersagen, da Verdeckungen allgegenwärtig sind. In dieser Arbeit schlagen wir eine neuartige Methode zur Bewegungsvorhersage für Feuerwehrtrupps im Innenangriff vor. Die Pfade der Trupps werden mit einem optimalen graphenbasierten Planungsansatz generiert, der die Taktik der Feuerwehrleute darstellt. Die Pfade werden pro Raum generiert, was eine dynamische lokale Anpassung der Pfade ohne globale Neuplanung ermöglicht. Die Bewegung einzelner Agenten wird mit einer Modifikation des Headed Social Force Models simuliert. Wir bewerten die Machbarkeit der Pipeline mit einem neuartigen Datensatz, der aus echtem Filmmaterial generiert wurde, und zeigen die rechnerische Effizienz.
Ansprechpartner: Elodie Hüsing
