Unterwasser-Müll — Beseitigung durch Roboter

Den Müll in Ozea­nen und Meeren zu sam­meln ist sehr aufwendig und teuer. Ein Team der Tech­nis­chen Uni­ver­sität München (TUM) entwick­elt in einem europäis­chen Koop­er­a­tionspro­jekt ein Robot­er­sys­tem, das Abfall Unter­wass­er ortet und ein­sam­meln kann. Dabei kom­men Meth­o­d­en des maschinellen Ler­nens zum Einsatz.
In unseren Meeren und Ozea­nen befind­en sich aktuell zwis­chen 26 und 66 Mil­lio­nen Ton­nen Plas­tik­müll. Der größte Anteil davon liegt auf dem Meeres­bo­den. Eine gewaltige Bedro­hung für im Meer lebende Pflanzen und Tiere sowieso das ökol­o­gis­che Gle­ichgewicht der Meere.
Doch das Reini­gen der Gewäss­er ist aufwendig, teuer und oft auch gefährlich, weil meist Tauch­er einge­set­zt wer­den müssen. Außer­dem konzen­tri­eren sich Reini­gungsak­tio­nen meist auf die Wasser­ober­fläche. Ein Team der TUM hat sich mit acht europäis­chen Part­ner-Insti­tuten im Project „Sea­Clear“ zusam­menge­tan und entwick­elt ein Robot­er­sys­tem, das auch Unter­wass­er Müll ein­sam­meln kann.

Vier Roboter agieren gemeinsam

Das Sys­tem set­zt sich aus vier einzel­nen Robot­er-Kom­po­nen­ten zusam­men: Ein autonom fahren­des Robot­er-Boot führt einen ersten Scan des Meeres­bo­dens durch und lokalisiert dabei größere Mül­lansamm­lun­gen. Dann wird ein Beobach­tungs-Robot­er ins Wass­er gelassen, der den Müll in der Tiefe auf­spürt und gle­ichzeit­ig weit­ere Infor­ma­tio­nen wie Nahauf­nah­men des Meeres­bo­dens an die Rech­n­er liefert.
Bei klarem Wass­er und guten Sichtver­hält­nis­sen sorgt zusät­zlich eine Drohne aus der Luft dafür, dass weit­er­er Müll im Wass­er erkan­nt wird. Mit Hil­fe all dieser Infor­ma­tio­nen wird eine virtuelle Karte erzeugt. Ein Sam­mel-Robot­er fährt dann bes­timmte Punk­te an der Karte ab und sam­melt den Müll auf. Dabei wer­den größere Teile mit Hil­fe eines Greifers in einem Korb, der mit dem Schiff ver­bun­den ist, abtransportiert.

Herausforderung Strömung

„Autonome Robot­er für den Ein­satz Unter­wass­er zu entwick­eln stellt eine ganz beson­dere Her­aus­forderung“ sagt Dr. Ste­fan Sos­nows­ki, Tech­nis­ch­er Leit­er des Sea­Clear-Pro­jek­ts am Lehrstuhl für Infor­ma­tion­stech­nis­che Regelung an der TUM. Denn anders als an Land herrschen im Wass­er ganz beson­dere Bedin­gun­gen. „Sobald ein Stück Müll iden­ti­fiziert und geortet wurde, muss sich der Robot­er zunächst in dessen Nähe bewe­gen. Dabei kann er mitunter auf starke Strö­mungen tre­f­fen, gegen die er sich durch­set­zen muss. Das richtig auszus­teuern, ist Auf­gabe der TUM im SeaClear-Projekt.“

Effizientes Machine Learning

Dafür ver­wen­det das Team Meth­o­d­en des maschinellen Ler­nens. Eine Kün­stliche Intel­li­genz (KI) berech­net und lernt, wann und unter welchen Bedin­gun­gen sich der Robot­er auf eine bes­timmte Weise bewegt. So kön­nen genaue Vorher­sagen über sein Ver­hal­ten getrof­fen werden.
„Eine weit­ere Her­aus­forderung ist, dass wir nicht die gewohnte Rechen­leis­tung wie an Land zur Ver­fü­gung haben“ sagt Prof. San­dra Hirche, Lei­t­erin des Lehrstuhls und Sea­Clear Pro­jek­tko­or­di­na­torin. „Es gibt keine Anbindung an große Rechen­zen­tren mit Hochleis­tungscom­put­ern. Die Algo­rith­men, die wir entwick­eln, müssen daher möglichst effizient und ressourcenscho­nend sein. Deswe­gen arbeit­en wir schon seit einiger Zeit an Meth­o­d­en mit hoher „Sam­pling Effi­cien­cy“, die mit möglichst wenig Dat­en möglichst gute Vorher­sagen tre­f­fen kön­nen. Nicht benötigte Infor­ma­tio­nen wer­den von der KI ein­fach vergessen.“

Erfolgsquote von 90%

Wenn das Sea­Clear-Sys­tem ein­mal voll ein­satzfähig ist, soll es Unter­wasser­abfälle mit ein­er prog­nos­tizierten Quote von 80% klas­si­fizieren und zu 90% erfol­gre­ich ein­sam­meln – ver­gle­ich­bar mit dem Erfolg beim Ein­satz von Tauch­ern. Erste Ver­suche mit dem Pro­to­typ wur­den im Okto­ber 2021 unter klaren Wass­er- und Sichtver­hält­nis­sen im kroat­is­chen Dubrovnik durchge­führt. Im Mai 2022 soll es weit­ere Ver­suche im Ham­burg­er Hafen geben.