𝗧𝗿𝗮𝗰𝗸𝗶𝗻𝗴 𝗮𝗻𝗱 𝗼𝗯𝗷𝗲𝗰𝘁 𝗱𝗲𝘁𝗲𝗰𝘁𝗶𝗼𝗻 𝗳𝗼𝗿 𝗿𝗼𝗯𝗼𝘁𝗶𝗰𝘀 In der Robotik ist die Objekterkennung ein Schnappschuss: „Es gibt eine Flasche bei (x, y) in diesem Bild.“ Objektverfolgung ist die schwierigere, operationale Sache: „Das ist die gleiche Flasche wie zuvor, sie hat sich so bewegt, und sie ist immer noch da, auch wenn ich sie für 200 ms nicht sehe.“ Stellen Sie sich einen mobilen Manipulator an einer Küchenzeile vor. Die Aufgabe ist auf dem Papier einfach: Nehmen Sie die blaue Flasche von einem überladenen Tisch, während sich eine Person in der Nähe bewegt. Der Roboter hat eine Kamera (vielleicht auch eine Tiefenkamera). Er führt einen Objekterkenner aus und erhält eine Begrenzungsbox, die mit „Flasche“ beschriftet ist, mit einem Vertrauensscore. Das klingt nach Wahrnehmung. Ist es aber noch nicht. Im Bild 1 sieht der Detektor die Flasche. Im Bild 2 verdeckt der Arm der Person teilweise die Flasche, das Vertrauen sinkt, und die Box verschwindet. Im Bild 3 taucht die Flasche wieder auf, aber der Detektor verschiebt die Box leicht. Aus der Perspektive des Planers ist die Flasche aus dem Dasein verschwunden und teleportiert. In einem Durcheinander gibt es auch Duplikate: Der Detektor könnte zwei plausible „Flasche“-Boxen für dasselbe Objekt erzeugen. Wenn der Roboter direkt auf die Erkennungen pro Bild reagiert, sieht man klassische Fehlverhalten: ➤ Er zögert, weil das Ziel in jedem zweiten Bild „fehlt“, ➤ Er plant ständig neu, weil die Zielposition schwankt, ➤ Er greift nach dem falschen Objekt, wenn zwei ähnliche Gegenstände erscheinen, ➤ Er kann nicht zuverlässig durchsetzen, „nicht mit der Person zu kollidieren“, weil die Box der Person ebenfalls flackert. Deshalb hört die Wahrnehmung in der Robotik selten bei der Erkennung auf. Sie benötigt Objektpermanenz: die Fähigkeit zu sagen „das ist immer noch die gleiche Flasche, auch wenn ich sie kurz aus den Augen verliere.“ Tracking verwandelt die Schätzungen von Bild zu Bild in ein stabiles Weltmodell. Ein typischer Ansatz ist „Tracking durch Erkennung“: Sie führen weiterhin einen Detektor in jedem Bild aus, aber Sie verknüpfen die Erkennungen über die Zeit mit beständigen Verfolgungen (IDs) unter Verwendung von Vorhersage + Assoziation. Konkret macht der Tracker drei Dinge: ➤ Vorhersagen „Wo sollte die Flasche jetzt sein?“ ➤ Assoziieren „Welche Erkennung gehört zu welcher Verfolgung?“ ➤ Identität unter Veränderungen aufrechterhalten ...