Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the spacious domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /var/www/blogs/wp-includes/functions.php on line 6121
Tramasa – Tracking manueller Staubsaugerreinigung – moxd lab | TH Köln
Prototypischer Anwendungsfall eines manuellen Staubsaugers zur Digitalisierung von Reinigungsdaten.
Tramasa

Tramasa ist die Abkürzung für Tracking manueller Staubsaugerreinigung. In diesem Projekt wurde das Team um Jannik Blähser, Frank Kremer, Patrick Jansen und Robin Abel, in Kooperation mit Vorwerk, mit dem Thema der Indoor-Lokalisierung betraut. Es galt ein System zu implementieren, das manuelle Reinigungsprozesse digital erfasst, um diese in Kombination mit verschiedenen Reinigungssystemen – wie bspw. manuelle Staubsauger und Staubsaugerroboter – zu optimieren.

Ziel des Projektes war die Exploration geeigneter Verfahren und Techniken, um einen Staubsauger im Raum zu lokalisieren und eine Reinigung im Raum digital erfassen zu können. Mögliche Einsatzgebiete sind vielfältig. Beispielsweise kann damit eine Analyse von nachgereinigten Bereichen erfolgen. Diese Daten sind für Entwickler solcher Systeme besonders interessant, da sie aufzeigen, in welchen Gebieten ein Staubsaugerroboter nicht die gewünschten Ergebnisse liefert. Ein weiteres Einsatzgebiet ist das Ignorieren bereits gereinigter Bereiche. Auf diese Weise könnten sich Roboter nur auf die notwendigen Bereiche konzentrieren, wodurch neben einer effektiveren Reinigung auch Energie eingespart werden kann.

Im Rahmen des Projektes wurden diverse Technologien und Verfahren zur Lokalisierung getestet – darunter GPS, Bluetooth, WLAN, Kamerasysteme oder auch Schallsysteme. Als Ergebnis ist ein Demonstrator entstanden, der ein geeignetes Konzept prototypisch umsetzt. Der Prototyp basiert auf einem Laser-Sensor und einem 6-Achsensensor, die mithilfe eines Raspberry Pi und einem Arduino Uno die Daten sammeln und für eine Visualisierung aufbereiten.

Das folgende Video zeigt die prototypische Umsetzung des beschriebenen Projektes. Alternativ ist das Video auch hier einsehbar.

Projektpartner: