Off-Road-Umgebungen gehören zu den anspruchsvollsten Einsatzbereichen autonomer Robotersysteme. Im Gegensatz zu strukturierten Straßen- oder Industrieumgebungen sind sie durch unbefestigte Wege, unebenes Gelände, wechselnde Bodenbeschaffenheiten und schwer vorhersehbare Umweltbedingungen geprägt. Schlamm, Sand, Geröll, Vegetation und starke Steigungen beeinflussen nicht nur die Befahrbarkeit des Geländes, sondern stellen auch hohe Anforderungen an die Wahrnehmung, Navigation und Steuerung autonomer Fahrzeuge. Hinzu kommen wechselnde Wetter- und Lichtverhältnisse, die die Zuverlässigkeit der eingesetzten Sensorik erheblich beeinträchtigen können.

Eine besondere Herausforderung besteht darin, dass autonome Systeme ihre Umgebung nicht nur erkennen, sondern auch deren Eigenschaften und mögliche Risiken situationsabhängig bewerten müssen. Ein Hindernis kann beispielsweise abhängig von seiner Beschaffenheit, dem Fahrzeugtyp und den aktuellen Umweltbedingungen überfahrbar oder kritisch sein. Gleichzeitig können unvollständige, widersprüchliche oder unsichere Sensordaten zu fehlerhaften Einschätzungen der Umgebung führen. Autonome Roboter müssen daher in der Lage sein, die Verlässlichkeit ihrer Wahrnehmung zu beurteilen und ihre Entscheidungen entsprechend anzupassen.

Am Lehrstuhl für Adaptive Autonomie und Offroad-Robotik erforschen wir Methoden, mit denen autonome Systeme diesen Herausforderungen begegnen können. Im Mittelpunkt stehen robuste Umgebungswahrnehmung, adaptive Entscheidungsfindung, wissensbasierte Umweltmodelle und verlässliche Systemarchitekturen. Dabei untersuchen wir insbesondere, wie Roboter Unsicherheiten erkennen, Erfahrungen aus vergangenen Beobachtungen nutzen und ihr Verhalten dynamisch an veränderte Einsatzbedingungen anpassen können.

Unsere Forschungsansätze werden sowohl in realen Feldversuchen als auch in simulationsbasierten Umgebungen entwickelt und evaluiert. Anhand unterschiedlicher Robotikplattformen und autonomer Nutzfahrzeuge untersuchen wir das Zusammenspiel von Sensorik, Softwarearchitektur und autonomen Entscheidungsprozessen. Ziel ist es, die Sicherheit, Robustheit und Anpassungsfähigkeit autonomer Systeme zu verbessern und damit ihren zuverlässigen Einsatz in anspruchsvollen Offroad-Anwendungen zu ermöglichen.