malaga.is backend

Tag: Robotics

  • UMA und italienische Partner trainieren KI zur Höhlenerkundung

    UMA und italienische Partner trainieren KI zur Höhlenerkundung

    Autonome unterirdische Erkundung: UMAs neueste Pionierarbeit in der Robotik

    Die unterirdische Navigation stellt eine der anspruchsvollsten Herausforderungen in der modernen Feldrobotik dar. In unterirdischen Karstsystemen – charakterisiert durch feuchte Passagen, zerklüftete Kalksteingeometrie, das vollständige Fehlen von globalen Positionierungssignalen (GPS) und unberechenbaren Untergrund – stoßen Standard-Roboteralgorithmen schnell an ihre Grenzen. Um diese operationalen Engpässe anzugehen, haben sich Forscher und Archäologen der Universität Málaga (UMA), die auch im Umfeld technologischer Initiativen wie dem Pioneros Polo Creative Tech Forum im Polo Digital aktiv sind, mit Ingenieurteams der Polytechnischen Universität Turin zusammengeschlossen.

    Die gemeinsame Initiative konzentriert sich auf die Erfassung von Navigationsdaten im Feld und die Validierung autonomer räumlicher Kartierungssysteme, die speziell für komplexe Höhlenumgebungen entwickelt wurden. Wie Infobae berichtet, geht dieses Projekt die technischen Hürden direkt an, die autonome unbemannte Fahrzeuge bisher daran hindern, missionskritische Aufgaben unter Tage auszuführen.

    Technische Hürden bei der unterirdischen Karst-Kartierung

    Das Navigieren in unkartiertem Karstgelände verursacht erhebliche wahrnehmungsbezogene und mechanische Schwierigkeiten für autonome Systeme. Standard-Luft- oder Bodenroboter verlassen sich auf stabile Telemetrie, vorhersehbare Lichtverhältnisse und zuverlässige geometrische Begrenzungen. Unterirdische Umgebungen entziehen diesen Systemen systematisch diese Redundanzen.

    Zentrale Herausforderungen aus den Feldversuchen

    • Betrieb ohne GPS: Ohne Satellitentelemetrie müssen sich Roboter vollständig auf interne SLAM-Algorithmen (Simultaneous Localization and Mapping) verlassen. Kumulative Abweichungen in SLAM-Systemen können bei längeren unterirdischen Durchquerungen zu räumlichen Fehlanpassungen führen.
    • Sensorrauschen in Höhlen mit hoher Luftfeuchtigkeit: Schwebende Wassertröpfchen, Schlammspritzer und feuchtigkeitsbedeckte Felswände verzerren optische Kameras und Impulslaser-Sensoren (LiDAR) erheblich. Dies führt dazu, dass nicht existierende Hindernisse angezeigt oder reale Hohlräume verdeckt werden.
    • Geometrische Unregelmäßigkeit: Natürlichen Höhlen fehlen rechte Winkel, horizontale Ebenen oder wiederkehrende strukturelle Orientierungspunkte. Autonome Kantenerkennungsalgorithmen tun sich schwer, begehbare Vorsprünge von steilen Abgründen zu unterscheiden.
    • Verschlechterung der Kommunikation: Funkkommunikationssignale schwächen sich durch dichte Gesteinsschichten rasch ab, was erfordert, dass unterirdische Einheiten mit nahezu absoluter Entscheidungsautonomie agieren.

    Feldmethodik: Zusammenführung von Archäologie und Ingenieurwesen

    Die Zusammenarbeit zwischen der UMA und der Polytechnischen Universität Turin verbindet zwei unterschiedliche Disziplinen: archäologische Vermessung und fortschrittliche autonome Steuerungssysteme. Archäologen liefern entscheidendes Fachwissen – die Kartierung natürlicher Formationen, das Erkennen fragiler historischer Schichten und das Vorhersehen unterirdischer Topologie –, während Robotiker Sensor-Arrays einsetzen, um hochpräzise räumliche Telemetriedaten zu erfassen.

    Das Datenerfassungsprotokoll

    1. Multimodale Datenerfassung: Einsatz von Bodenplattformen, die mit Trägheitsmesseinheiten (IMUs), Solid-State-LiDAR sowie Wärmebild- und optischen Kamerasystemen ausgestattet sind.
    2. Trajektorien-Validierung: Abgleich der Rohsensordaten mit präzisen manuellen Referenzmessungen (Ground Truth), die von erfahrenen Höhlenforschern und Archäologen durchgeführt wurden.
    3. Algorithmen-Optimierung: Training tiefer neuronaler Netze zur Filterung optischer Verzerrungen, die durch Luftfeuchtigkeit und geringen Kontrast verursacht werden, um die Pfadplanung in Echtzeit zu verbessern.

    Indem das Forschungsteam Sensoren an realen Karstformationen statt in synthetischen Computersimulationen testet, generiert es Datensätze, die die realen Hindernisse des praktischen Einsatzes widerspiegeln.

    Breitere Anwendungsmöglichkeiten: Vom lokalen Kulturerbe bis zu extraterrestrischen Höhlen

    Während das unmittelbare Ziel eine zuverlässige unterirdische Navigation ist, reicht die zugrunde liegende Technologie weit über die archäologische Erforschung in Südspanien hinaus.

    Sektor
    Praktische Anwendung
    Such- und Rettungsdienste (SAR)
    Schnelle, risikoarme Bewertung von eingestürzten Bergwerken, städtischen Gebäudeschäden und Rettungseinsätzen in unterirdischen Höhlen.
    Erhaltung des Kulturerbes
    Zerstörungsfreie 3D-Kartierung (digitaler Zwilling) empfindlicher archäologischer Stätten unter Tage ohne menschliche Störung.
    Industrielle Infrastruktur
    Autonome Inspektion von unkartierten Abwasserkanälen, Entwässerungsnetzen und unterirdischen Stromtrassen.
    Weltraumerkundung
    Vorbereitende Kartierung von Lava-Röhren auf dem Mond und Mars für die potenzielle Errichtung menschlicher Habitate.

    Málagas wachsende Innovationsinfrastruktur

    Diese internationale Zusammenarbeit stärkt die Positionierung Málagas als Schlüsselknotenpunkt für Technologie und Wissenschaft in Südeuropa. Die Universität Málaga baut ihre Forschungsverbindungen weiter aus mit führenden europäischen technischen Institutionen und verbindet das industrielle Wachstum im Málaga TechPark (PTA) mit angewandter wissenschaftlicher Forschung und Entwicklung.

    Durch den Aufbau interdisziplinärer Plattformen, die Geschichtswissenschaften mit künstlicher Intelligenz verbinden, entwickelt die UMA praktische, widerstandsfähige Ingenieurlösungen, die auf realen Experimenten basieren.

    Während autonome Systeme schrittweise über vorhersehbare Fabrikhallen und gepflasterte Straßen hinaus in unberührte, unberechenbare Naturräume vordringen, bietet die Arbeit lokaler Forschungsteams an diesen grundlegenden technischen Grenzen einen fundierten, hoffnungsvollen Einblick darin, wie kollaborative Wissenschaft uns helfen wird, die unbekannten Räume unter unseren Füßen sicher zu erkunden.

  • UMA and Italian Partners Train Cave-Exploring AI

    UMA and Italian Partners Train Cave-Exploring AI

    Autonomous Subterranean Exploration: UMA’s Latest Robotics Frontier

    Subterranean navigation represents one of the most demanding frontiers in modern field robotics. In subterranean karst systems—characterized by damp passages, jagged limestone geometry, complete absence of global positioning signals (GPS), and unpredictable footing—standard robotic algorithms quickly degrade. To tackle these operational bottlenecks, researchers and archaeologists at the University of Málaga (UMA) have partnered with engineering teams from the Polytechnic University of Turin. Beyond the technical challenges of underground research, international scientists and academics relocating for extended stays in the region often rely on practical guides to set up water, power, and internet in Málaga.

    The joint initiative focuses on gathering field navigation data and validating autonomous spatial mapping systems tailored for complex cave environments. As detailed by Infobae, this project directly addresses the technical hurdles preventing autonomous uncrewed vehicles from executing mission-critical tasks underground.

    Technical Obstacles in Karst Underground Mapping

    Navigating unmapped karst terrain introduces severe perceptual and mechanical friction for autonomous systems. Standard aerial or ground robotics rely on stable telemetry, predictable light conditions, and reliable geometric boundaries. Subterranean environments systematically strip these redundancies away, driving the cutting-edge innovations showcased at events like the Pioneros Polo Creative Tech Forum hosted by Polo Digital.

    Core Challenges Identified in Field Trials

    • GPS-Denied Operation: Without satellite telemetry, robots must rely entirely on onboard Simultaneous Localization and Mapping (SLAM) algorithms. Accumulative drift in SLAM systems can lead to spatial mismatch over extended subterranean traverses.
    • Sensor Noise in High-Humidity Cavities: Suspended water droplets, mud splatters, and moisture-coated rock faces severely distort optical cameras and pulsed-laser sensors (LiDAR), creating non-existent barriers or masking physical voids.
    • Geometric Irregularity: Natural caves lack right angles, horizontal planes, or repeatable structural landmarks. Autonomous edge-detection algorithms struggle to distinguish passable ledges from steep drop-offs.
    • Communication Degradation: RF communication signals degrade rapidly through dense rock strata, requiring subterranean units to operate with near-absolute decision-making autonomy.

    Field Methodology: Merging Archaeology and Engineering

    The collaboration between UMA and the Polytechnic University of Turin merges two distinct disciplines: archaeological surveying and advanced autonomous control systems. Archaeologists provide crucial domain knowledge—mapping natural formations, recognizing fragile historical strata, and anticipating subterranean topology—while roboticists deploy sensor arrays to collect high-fidelity spatial telemetry.

    The Data Collection Protocol

    1. Multimodal Data Capture: Deploying ground platforms equipped with inertial measurement units (IMUs), solid-state LiDAR, and thermal/visible imaging arrays.
    2. Trajectory Validation: Comparing raw sensor logs against precise manual ground-truth measurements established by experienced speleologists and archaeologists.
    3. Algorithm Optimization: Training deep neural networks to filter optical distortion caused by humidity and low contrast, improving path planning in real time.

    By stress-testing sensors across actual karst formations rather than synthetic computer simulations, the research team generates datasets that reflect real-world operational friction.

    Broader Applications: From Local Heritage to Extraterrestrial Caves

    While the immediate objective is reliable subterranean navigation, the underlying technology extends far beyond archaeological exploration in Southern Spain.

    Sector
    Practical Application
    Search & Rescue (SAR)
    Rapid, low-risk assessment of collapsed mines, urban structural failures, and subterranean cave rescues.
    Cultural Preservation
    Non-invasive 3D digital twin mapping of delicate archaeological subterranean sites without human disturbance.
    Industrial Infrastructure
    Autonomous inspection of unmapped sewage conduits, drainage networks, and subterranean power corridors.
    Space Exploration
    Precursor mapping of lunar and Martian lava tubes for potential human habitat installation.

    Málaga’s Expanding Innovation Infrastructure

    This international collaboration reinforces Málaga’s positioning as a key southern European technology and academic nexus. The University of Málaga continues to expand its research links with leading European technical institutions, matching industrial growth at Málaga TechPark (PTA) with applied scientific R&D.

    By building cross-disciplinary platforms that blend historical science with artificial intelligence, UMA is creating practical, resilient engineering solutions rooted in real-world experimentation.

    As autonomous systems gradually expand beyond predictable factory floors and paved streets into raw, unpredictable natural environments, seeing local research teams tackle these fundamental engineering limits offers a grounded, hopeful look at how collaborative science will help us safely explore the unknown spaces beneath our feet.

  • KI der UMA in Málaga lehrt Roboter, wann sie Aktionen ausführen müssen

    KI der UMA in Málaga lehrt Roboter, wann sie Aktionen ausführen müssen

    Der Ruf von Málaga als schnell wachsendes Technologiezentrum wird häufig durch die Ankunft multinationaler Konzerne und ausländische Investitionen verdeutlicht. Die grundlegende Forschung, die das Tech-Ökosystem der Stadt antreibt, stammt jedoch zunehmend aus lokalen akademischen Einrichtungen.

    In einer jüngsten Entwicklung haben Forscher des Instituts für Mechatronik und kybernetisch-physische Systeme der Universität Málaga (IMECH.UMA) einen bahnbrechenden Ansatz der künstlichen Intelligenz entwickelt. Dieses System verlagert den Schwerpunkt des robotergestützten Lernens von der Frage, wie eine Aufgabe ausgeführt werden soll, auf den präzisen Zeitpunkt, wann sie auszuführen ist, und löst damit eine langjährige Herausforderung bei autonomen Systemen.

    Die Kerninnovation: Lösung des „Wann“ in der Robotik

    Traditionelle Trainingsmodelle für Roboter priorisieren räumliche Genauigkeit und Mechanik – sie bringen einem Roboter die exakten physischen Bewegungen bei, die erforderlich sind, um ein Objekt zu bewegen oder Maschinen zu bedienen. In dynamischen, realen Umgebungen ist das Timing jedoch ebenso entscheidend wie die physische Ausführung.

    Nach Angaben von Europa Press hat das Team von IMECH.UMA eine Methodik entwickelt, mit der Roboter autonom den optimalen Zeitpunkt für Aktionen erlernen können. Durch die Integration zeitlicher Entscheidungsfindung direkt in das neuronale Netz der KI kann der Roboter Umgebungsvariablen auswerten und den effizientesten Moment für ein Eingreifen bestimmen.

    Dieser Ansatz nutzt bestärkendes Lernen (Reinforcement Learning), bei dem der KI-Agent nicht nur für den Abschluss einer Aufgabe belohnt wird, sondern dafür, dass er dies in dem Moment tut, der die Effizienz und Sicherheit des Systems maximiert.

    Verbesserung der Mensch-Roboter-Kollaboration

    Eine der praktischsten Anwendungen dieser Forschung liegt in gemeinsamen Arbeitsbereichen, in denen Menschen und Roboter Seite an Seite arbeiten. In industriellen Montagelinien, im Gesundheitswesen oder in Logistikzentren kann ein Roboter, der zu früh oder zu spät agiert, Engpässe, mechanischen Verschleiß oder Sicherheitsrisiken verursachen.

    Wie La Opinión de Málaga berichtet, ermöglicht dieses neue KI-Framework Robotern, sich dynamisch an das menschliche Verhalten anzupassen. Wenn ein menschlicher Bediener langsamer wird oder seinen Arbeitsablauf ändert, erkennt der Roboter diese Verschiebung und kalibriert sein eigenes operatives Timing neu. Diese fließende Anpassungsfähigkeit minimiert Leerlaufzeiten und verringert das Risiko physischer Kollisionen, was zu einer harmonischeren und produktiveren Zusammenarbeit führt.

    Hauptvorteile des temporalen KI-Modells:

    • Ressourceneffizienz: Minimiert unnötige Roboterbewegungen, was den Energieverbrauch und den mechanischen Verschleiß reduziert.
    • Verbesserte Sicherheit: Reduziert räumliche Konflikte in gemeinsamen Mensch-Roboter-Umgebungen, indem das optimale Zeitfenster für Aktionen vorhergesagt wird.
    • Autonome Anpassungsfähigkeit: Macht eine ständige manuelle Neuprogrammierung überflüssig, wenn sich Arbeitsabläufe oder die Geschwindigkeit der Bediener ändern.

    Deep Tech im Ökosystem von Málaga

    Dieser Durchbruch unterstreicht einen bedeutenden Wandel in der Technologielandschaft von Málaga. Während die Stadt erfolgreich globale Tech-Riesen angezogen hat, zeigt die Forschung der Universität Málaga, dass die Region auch eigenes, hochwertiges geistiges Eigentum im Bereich Deep Tech hervorbringt.

    Durch die Überbrückung der Kluft zwischen akademischer Theorie und praktischer geschäftlicher Umsetzung stellen Institute wie IMECH.UMA sicher, dass Málaga an der Spitze der nächsten Generation von Automatisierung und kybernetisch-physischen Systemen bleibt.

    Da sich diese autonomen Systeme ständig weiterentwickeln, wird die Integration intelligenter zeitlicher Entscheidungsfindung wahrscheinlich zur Standardpraxis in der Industrierobotik werden, was die Forschung aus Málaga im Zentrum globaler Automatisierungstrends positioniert. Wir freuen uns darauf zu sehen, wie diese lokalen Innovationen weiterhin die globale Technologielandschaft prägen und beweisen, dass Málagas glänzendste Zukunft in der Intelligenz und Kreativität liegt, die direkt hier vor Ort gefördert werden.

  • Málaga UMA AI Teaches Robots When to Execute Actions

    Málaga UMA AI Teaches Robots When to Execute Actions

    Málaga’s reputation as a rapidly growing technology hub is often illustrated by the arrival of multinational corporations and foreign investment. However, the foundational research driving the city’s tech ecosystem is increasingly originating from local academic institutions.

    In a recent development, researchers at the Mechatronics and Cyber-Physical Systems Institute of the University of Málaga (IMECH.UMA) have designed a breakthrough artificial intelligence approach. While the southern Spanish city is also making headlines for its cultural heritage—specifically the new foundation aiming to complete the Malaga Cathedral—this latest technological system shifts the focus of robotic learning from how to perform a task to precisely when to execute it, addressing a long-standing challenge in autonomous systems.

    The Core Innovation: Solving the “When” in Robotics

    Traditional robotic training models prioritize spatial accuracy and mechanics—teaching a robot the exact physical movements required to move an object or operate machinery. However, in dynamic, real-world environments, timing is just as critical as physical execution.

    According to details published by Europa Press, the IMECH.UMA team has developed a methodology that allows robots to autonomously learn the optimal timing for actions. By integrating temporal decision-making directly into the AI’s neural network, the robot can evaluate environmental variables and determine the most efficient moment to intervene.

    This approach utilizes reinforcement learning, where the AI agent is rewarded not just for completing a task, but for doing so at the moment that maximizes system efficiency and safety.

    Enhancing Human-Robot Collaboration

    One of the most practical applications of this research is in shared workspaces where humans and robots operate side-by-side. In industrial assembly lines, healthcare settings, or logistics centers, a robot that acts too early or too late can cause bottlenecks, mechanical wear, or safety hazards.

    As reported by La Opinión de Málaga, this new AI framework allows robots to adapt dynamically to human behavior. If a human operator slows down or changes their workflow, the robot recognizes the shift and recalibrates its own operational timing. This fluid adaptability minimizes idle time and reduces the risk of physical collisions, creating a more harmonious and productive collaborative environment.

    Key Benefits of the Temporal AI Model:

    • Resource Efficiency: Minimizes unnecessary robotic movements, reducing energy consumption and mechanical wear.
    • Improved Safety: Reduces spatial conflicts in shared human-robot environments by predicting the optimal window for action.
    • Autonomous Adaptability: Eliminates the need for constant manual reprogramming when workflows or operator speeds change.

    Deep Tech in the Málaga Ecosystem

    This breakthrough underscores a significant shift in Málaga’s technological landscape. While the city has successfully attracted global tech giants, the research coming out of the University of Málaga demonstrates that the region is also producing proprietary, high-value intellectual property in the field of deep tech.

    By bridging the gap between academic theory and practical business adoption, institutes like IMECH.UMA are ensuring that Málaga remains at the forefront of the next generation of automation and cyber-physical systems.

    As these autonomous systems continue to evolve, the integration of smart temporal decision-making will likely become standard practice in industrial robotics, positioning Málaga-based research at the center of global automation trends. We look forward to seeing how these local innovations continue to shape the global tech landscape, proving that Málaga’s brightest future lies in the intelligence and creativity nurtured right here at home.