Das Mule-Szenario bestand wie in den letzten Jahren aus zwei Teilaufgaben:
- Teach-In: Hier muss das Fahrzeug autonom einer Person folgen und dabei die Strecke zwischen zwei Lagern "lernen".
- Shuttle: Nach dem Anlernen muss das Fahrzeug so oft wie möglich zwischen beiden Lagern pendeln. Dabei werden von Runde zu Runde unterschiedliche Streckenabschnitte gesperrt, so dass die Route dynamisch umgeplant werden muss.
- OPI-Kartierung: Entlang der Strecke sind OPIs (Object of Potial Interest) verteilt, diese müssen detektiert, möglichst fotografiert und kartiert werden.
Mit einem LiDAR-basierten Trackingverfahren konnten wir die vorweg laufende Person verfolgen und dabei den Weg kartieren.
Während des Shuttlens kamen Pfadplanungsalgorihmen zum Einsatz, die anhand unseres multimodalen Umgebungsmodells (basierend auf einer Datenfusion aus LiDAR- und Kameradaten) sowie dem globalen Soll-Weg den optimalen Pfad für das autonome Fahrzeug berechneten. Diverse Streckensperrungen konnten erkannt und auf Alternativstrecken umfahren werden.
Herausforderungen waren vor allem hohes Gras auf den Wegen, und für alle menschlichen Teilnehmer die Außentemperaturen!
Genau wie im Konvoi-Szenario konnten auch hier die entlang der Strecke verteilten Objekte (OPI, Object of Potial Interest) detektiert und kartiert werden.
Am Ende des Tages stand Team MuCAR auch im Mule-Szenario als Sieger fest!