SINGAPUR / LONDON (IT BOLTWISE) – In Singapur testen JTC und Kajima im Jurong Innovation District autonome schwere Baumaschinen auf wechselndem Baustellenuntergrund. Die Nachrüstung setzt auf KI-gestützte Steuerung für Bagger und Verdichter, sodass eine einzelne Person zwei Maschinen parallel überwachen kann. Im Fokus steht ein End-to-End-Ansatz mit Deep Reinforcement Learning, der aus Sensordaten direkt Ansteuerbefehle ableitet. Bis 2027 soll die Technologie auf weitere Maschinentypen wie Planierraupen und Muldenkipper ausgeweitet werden.
Autonome Baumaschinen klingen oft nach „höherer Automatisierung“, werden in der Praxis aber vor allem durch ein Detail gebremst: schwere Roboter müssen ihre Räder nicht nur sauber ansteuern, sondern ständig in Einklang mit wechselndem Untergrund bringen. Genau das gilt für vierradgelenkte und vierradgetriebene Plattformen, die in der Fachsprache als 4WISD-Systeme (Four-Wheel Independent Steering and Driving) beschrieben werden. Dort verlangt die Synchronisation der einzelnen Antriebs- und Lenkroutinen eine Regelung, die sowohl Reibungsschwankungen als auch kurzfristige Bodenwellen stabil wegsteckt.
Die Forschung setzt deshalb zunehmend auf End-to-End-Konzepte statt auf klassisch getrennte Regelungskaskaden. In Beiträgen, die unter anderem in der Fachzeitschrift Acta Automatica Sinica diskutiert werden, rückt Deep Reinforcement Learning (DRL) in den Mittelpunkt: Algorithmen wie Proximal Policy Optimization (PPO) lernen das Fahrverhalten aus Sensordaten direkt in Steuerbefehle zu überführen. Der Vorteil gegenüber getrennten Modulen wie PID-Reglern oder modellprädiktiver Steuerung (MPC) wird besonders dort sichtbar, wo Modelle der Reibung oder der Systemdynamik plötzlich nicht mehr zuverlässig sind.
Dass dieser Ansatz tatsächlich mit engen Echtzeitanforderungen zusammenpasst, untersuchen Simulationen wie Isaac Sim. Solche Simulationsstudien adressieren ein Kernproblem der Robotik: Schwere Fahrzeuge müssen bei jeder Einzelschrittberechnung schnell genug reagieren, um nicht in einen Drift aus Soll- und Ist-Fahrt zu geraten. Laut den beschriebenen Ergebnissen können End-to-End-DRL-Modelle extrem niedrige Einzelschritt-Latenzen im Submillisekundenbereich erreichen und damit flexibler auf abrupte Änderungen im Gelände reagieren als herkömmliche Algorithmen, die auf vordefinierten Annahmen zur Bodenhaftung beruhen.
Während die Steuerungslogik theoretisch reift, entscheidet sich die Industrieumsetzung häufig an Schnittstellen und Betriebsstabilität. Für praktische Erprobungen wird in dem Kontext unter anderem Robot Operating System (ROS) mit speicherprogrammierbaren Steuerungen (ROS-PLC) kombiniert, sodass die KI-Modelle kontrolliert in bestehende Maschinen- und Sicherheitsumgebungen eingebettet werden können. Entscheidend ist dabei, dass die Modelle stabile Inferenzzeiten im Millisekundenbereich liefern und Abweichungen bei Fahrgeschwindigkeit sowie Drehraten gering bleiben. Für Betreiber bedeutet das: weniger Nachjustieren an der Strecke, dafür eher ein verlässliches „Go/No-Go“ anhand definierter Betriebsbedingungen.
Konkreter wird es in Singapur: JTC und das Bauunternehmen Kajima testen im Bulim Autonomous Yard des Jurong Innovation District einen Pilotversuch mit autonomen schweren Baumaschinen. Eingesetzt sind Bagger und Verdichter, die mit Technologie von Gravis Robotics sowie dem Kajima-System A4CSEL nachgerüstet wurden. Die Fernüberwachung ist so ausgelegt, dass eine einzelne Person zwei Maschinen parallel steuern kann; die angegebene Wirkung liegt darin, den Bedarf an spezialisierten Fachkräften in diesem Prozessschritt um die Hälfte zu reduzieren. Parallel dazu planen die Beteiligten, die autonome Nachrüstung bis 2027 auf Planierraupen und Muldenkipper auszuweiten.
Dass diese Entwicklung nicht isoliert bleibt, zeigt der breitere Forschungspfad „Physical AI“. Auf einem KI-Fahrzeug-Forum betonte Qian Xiangjun, Vizepräsident von QCraft, dass Weltmodelle in Kombination mit Reinforcement Learning einen zentralen Entwicklungspfad für physische KI darstellen. Technisch wird dabei häufig eine zweigeteilte Architektur beschrieben: ein Cloud-Weltmodell für die übergeordnete Kontextbildung und ein fahrzeugeigenes Verhaltensmodell, das daraus robuste Reaktionen ableitet. Für die Messbarkeit solcher Systeme ist außerdem der Benchmark RLE-Bench relevant: Eine Plattform unter Leitung von Na Li (Harvard) und Bo Dai (Georgia Tech) umfasst 48 Aufgaben und prüft, wie gut KI-Agenten physische Roboter unter Berücksichtigung von Beschränkungen wie Masse, Drehmoment und Geometrie konstruieren und steuern können.
Für Unternehmen, die in Bau, Logistik oder Schwerindustrie Automatisierung vorantreiben, verschiebt sich damit die Gewichtung im Entwicklungsprozess. Nicht nur die Modellgüte zählt, sondern auch die Frage, wie sich End-to-End-Ansätze in vorhandene Engineering- und Betriebsabläufe integrieren lassen: Von der Sensorik- und Datenpipeline über die Latenzanforderungen bis zur Anbindung an PLC-nahe Steuerstrukturen. Die Tests in Singapur liefern dafür ein anschauliches Zeitfenster, in dem KI-gestützte Nachrüstung nicht mehr nur ein Laborversprechen bleibt, sondern in einer realen Baustellenumgebung überprüft wird. Gleichzeitig macht der Blick auf Benchmarks und Weltmodelle deutlich, dass die nächsten Iterationen weniger an einzelnen Fahrmanövern ansetzen werden, sondern an der Fähigkeit, komplexe Umgebungen dauerhaft konsistent zu verstehen und darauf zu reagieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-gesteuerte Baumaschinen in Singapur: End-to-End auf DRL-Basis" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-gesteuerte Baumaschinen in Singapur: End-to-End auf DRL-Basis" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-gesteuerte Baumaschinen in Singapur: End-to-End auf DRL-Basis« bei Google Deutschland suchen, bei Bing oder Google News!