B-Human wird in Sydney zum siebten Mal RoboCup-Weltmeister
8. Juli 2019B-Human wird in Sydney zum siebten Mal RoboCup-Weltmeister
Bremen, 8..2019
B-Human – das gemeinsame Team der Universität Bremen und des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) – hat einmal mehr bewiesen, dass es das derzeit erfolgreichste Team in der RoboCup Standard Platform League ist. In einem spannenden Finale gegen das Nao-Team HTWK aus Leipzig gelang es dem amtierenden deutschen Meister mit einem 2:1, den Weltmeistertitel am 7. Juli 2019 im australischen Sydney zurückzuerobern. Als Team „B & B“ konnten die Bremer gemeinsam mit Berlin United von der Humboldt-Universität zu Berlin auch den Mixed-Team-Wettbewerb für sich entscheiden.
Nach einer überragenden Vorrunde mit hohen Siegen, keinen Gegentoren sowie ebenso souveränen Viertel- und Halbfinalspielen konnte sich B-Human im Finale der RoboCup-Weltmeisterschaft gegen die Leipziger Fußballroboter durchsetzen. Bereits zum vierten Mal standen sich die zwei deutschen Teams im Finale gegenüber, 2018 gelang es dem Nao-Team HTWK erstmals B-Human zu schlagen – ein spannendes Finale war somit vorprogrammiert. So konnte das Leipziger Team in der ersten Halbzeit zunächst mit einem kurzen Schuss quer durch die Bremer Verteidigung in Führung gehen. Nach mehreren verpassten Chancen gelang es B-Human fünf Minuten vor dem Schlusspfiff den ersehnten Ausgleichstreffer zu erzielen. Vorangegangen war ein Foul der Leipziger in der Bremer Hälfte. Den darauf folgenden Freistoß spielte B-Human tief in die gegnerische Hälfte, genau vor die Füße des dort wartenden Stürmers, der den Ball direkt im Tor platzieren konnte. Weniger als eine Minute später folgte einer von B-Humans gefürchteten Fernschüssen, der schließlich das Siegtor zum 2:1 brachte.
B-Human meistert Herausforderungen dank Deep Learning
Zu den besonderen Herausforderungen in Sydney gehörte das Spielen neben großen Fenstern mit sich änderndem Lichteinfall, der sowohl helle Flächen als auch dunkle Schatten auf dem Spielfeld hervorrufen kann. Diesen für maschinelle Bildverarbeitung äußerst schwierigen Bedingungen begegnete B-Human erfolgreich u.a. mit innovativen Methoden des Deep Learning. Nachdem in den vergangenen Jahren bereits die Ballerkennung von einem neuronalen Netz unterstützt wurde, kam diesmal ein sogenanntes Convolutional Neural Network für die Robotererkennung zum Einsatz. Dieses ermittelt aus einem vom Roboter aufgenommenen Kamerabild die Positionen sowie die Entfernungen aller darin enthaltenen NAOs. Dabei punktet es nicht nur mit einer hohen Erkennungsrate, sondern auch mit einer enorm hohen Ausführungsgeschwindigkeit: Für die Analyse eines vom Roboter aufgenommen Bildes braucht es nur wenige Millisekunden. Die wissenschaftlichen Arbeiten hierzu stellte das Bremer Team auch beim an die Weltmeisterschaft anschließenden RoboCup Symposium vor.