Rejält kliv mot ökad automation

Automatiseringen av uppgifter som sköts av människan går snabbt. Inom transportsektorn och industrin har denna utveckling redan kommit långt. Det här projektet har utvecklat förutsättningar för att använda liknande teknik i skogen. Målet har varit att ta ett rejält kliv mot ökad automation i skogsbruket och på så sätt skapa en säkrare och mindre fysiskt belastande arbetssituation samt ökad produktivitet på systemnivå. 

Projektets delar

Arbetet genomfördes i sex delprojekt, fyra med fokus på att realisera teknik och metoder för autonom terrängnavigering och två med fokus på att skapa förutsättningar för tekniken att kommersialiseras. I det första delprojektet genomfördes systemanalyser samt workshops med branschen och slutanvändarna för att se vilka behov som kan uppfyllas med en ökad automation. Resultatet mynnade ut i sex rapporter – allt ifrån vad skogsbranschen tror om framtida automation till förarlösa skogsmaskiner ur ett socialt hållbarhetsperspektiv.

Autonom terrängnavigering

Delprojekt två, tre och fyra jobbade med att realisera autonom terrängnavigering. Projektet definierade tidigt ett arbetssätt som möjliggör parallell utveckling mellan flera olika organisationer, där alla delar bildar ett ekosystem med noder som löser olika uppgifter för att köra autonomt. Noderna integrerades sedan i en övergripande arkitektur baserad på det öppna ramverket Robot Operating System (ROS). Den autonoma terrängnavigeringen fungerar i grunden på två nivåer. I nivå ett optimerar en global planerare en körrutt baserad på några nyckelparametrar såsom ytstruktur, markfuktighet och trädvolym. Maskinen följer sedan den föreslagna rutten genom GNSS-styrning. Denna första nivå är en grov lösning som inte tar hänsyn till lokala förutsättningar. I nästa nivå finjusterar en lokal planerare styrningen, undviker hinder och objekt på plats och styr maskinen på framkomlig bana. Den lokala planeraren tar även hjälp av en objektidentifieringsnod som ska skilja överkörningsbara hinder från ej överkörningsbara hinder, till exempel buske från sten och rishög från snödriva. Att identifiera objekt är en av projektets största utmaningar, där djupinlärning av neurala nätverk baserat på stora datamängder av beskrivna bilder används. Här återstår arbete för en robust lösning som kan klara den variation som finns i skogsmark.

Lösning för persondetektion 

För att möjliggöra autonom körning krävs ett säkerhetssystem. En lösning för persondetektion och aktiv säkerhet runt maskinen har utvecklats och utvärderats i projektet. RGB- och IR-kameror visar att tekniken har hög detektionsgrad, men att det finns behov av skogliga träningsdata. En väl utvecklad och testad persondetektion kan, i kombination med ett varningssystem, tillgodose säkerheten i form av ett virtuellt stängsel eller säkerhetszon. På grund av utebliven leverans av kritiska delkomponenter kunde dock varningssystemet inte testas enligt framtagen testplan.

Operatörsstation för fjärrstyrning

Då vissa delar inte är helt automatiserade behövs en fjärroperatör som kan gå in och hjälpa maskinen att utföra vissa åtgärder. Projektet har byggt och utvärderat en operatörstation för att fjärrstyra och övervaka skogsmaskinen. Fjärrstyrning möjliggör en bättre arbetsmiljö då maskinföraren inte behöver utsättas för de risker och obehag som det innebär att vara ombord på maskinen. Fjärrstyrningen ger också ökade möjligheter till operatörsstöd, som till exempel implementering av “augmented reality” på skärmar, samt mer ergonomisk utformning av styrdonen. Med fjärrstyrning möjliggörs också en social samvaro med kollegor och kunskapsöverföring mellan erfarna och nya operatörer.

Flera testplattformar

Projektet har jobbat med flera testplattformar och denna testinfrastruktur kommer efter projektet att fortsätta tjäna forskning och utveckling för ökad automation. Testplattformarna har också skapat samarbeten med flera andra forskningsutövare utanför projektet som vill utveckla och validera automationslösningar på fysisk hårdvara.

Lagar och regler

För att möjliggöra tekniken har projektet arbetat med lagar och regler samt tagit fram underlag som beskriver vilka regulatoriska hinder som finns och analyserat risker. Detta har genererat två publika rapporter som beskriver det regulatoriska läget för autonom teknik inom skogsbruk. Arbetsgruppen har även jobbat mot Kommittén för teknologisk innovation & etik (KOMET) och projektets bidrag ingår nu i en förstudie om förarlösa maskiner i terräng och lantbruk.

Intresset för projektet har varit stort från både media och branschen och resultatet har skapat nya möjligheter till att göra skogsbruket mer hållbart och effektivt. 

Om projektet

Den här rapporten är en sammanfattning av steg två i projekt Automation för autonom terrängmobilitet (AUTO2), som genomförts under perioden december 2018–2020. Projektet ingår i Vinnovas UDI-program (UDI = Utmaningsdriven innovation) – en satsning på samverkansprojekt som långsiktigt arbetar med att lösa samhällsutmaningar för att bidra till hållbarhetsmålen i Agenda 2030. Projektet som finansierats av Vinnova och skogsbranschen har genomförts i bred samverkan med universitet, skogsmaskintillverkare, it-bolag och skogsföretag. 

Följande parter har deltagit i projektet: Komatsu Forest, Skogforsk, KTH, LTU, SLU, UMIT, Unibap, Extractor, Skogstekniska klustret, BAE Systems Hägglunds, SCA, Sveaskog, Södra, Holmen, BillerudKorsnäs och Stora Enso.

Se film om robotskotare