Automation i skogsskötsel och naturvård
Röjrobot – mot automatiserad och fjärrstyrd röjning
Röjning är en viktig skogsskötselåtgärd, men omkring 220 000 hektar röjs motormanuellt varje år samtidigt som det finns ett betydligt större röjningsbehov. I projektet Röjrobot utvecklas en semi-autonom röjrobot som ska kunna förbättra arbetsmiljön, sänka kostnaderna och göra det möjligt att röja mer skog vid rätt tidpunkt.
En central del av utvecklingen är att roboten ska kunna återfinna vilka träd som ska röjas och vilka som ska sparas. Om koordinaterna för planterade huvudstammar finns tillgängliga kan roboten använda den informationen för att hitta och röja fram rätt träd. Annars måste huvudstammar markeras ut i trakten med RTK-GNSS för att sedan röjas fram. Med hjälp av LiDAR och kamerateknik undersöks metoder för att identifiera alla stammar, därefter filtreras de stammar som är nära utmarkerade punkter ut och resten röjs bort. På så sätt kan tekniken bli en del av ett precisionsskogsbruk som följer skogens utveckling från planta till avverkningsmoget träd.
Projektet utvecklar också metoder för att automatisera maskinens körning och kranens arbete. Olika körstrategier testas utifrån bland annat maskinens räckvidd, slagbredd och hur arbetet kan utföras effektivt. Ett system för att automatiskt upptäcka och undvika hinder utvecklas också.
Målet är en mindre och smidig röjrobot där delar av arbetet kan utföras automatiskt, medan en operatör övervakar och styr maskinen på distans. På sikt skulle en operatör kunna övervaka flera maskiner samtidigt. Det kan både öka produktiviteten och minska den fysiska belastningen i röjningsarbetet.
Röjrobot är en del av Skogforsks utveckling mot ett mer fjärrstyrt och automatiserat skogsbruk. Projektet bygger vidare på utvecklingen inom bland annat bildanalys, AI, sensorer och autonom körning och visar hur tekniken kan användas för att automatisera även skogsskötselåtgärder som i dag till stor del utförs manuellt.
Läs mer här.
AI-assistent för skogsmaskiner – naturligare samspel mellan människa och maskin
Moderna skogsmaskiner har avancerade funktioner och gränssnitt som kan ställa höga krav på föraren. I projektet utvecklas en röststyrd AI-assistent som ska göra det enklare att interagera med maskinen och ge föraren tillgång till relevant information när den behövs.
AI-assistenten ska kunna svara på frågor och ge vägledning utifrån skogsmaskinens manualer, arbetsinstruktioner, regler och föreskrifter samt skogliga planeringsdata. Med hjälp av så kallad Retrieval Augmented Generation (RAG) hämtas relevant information från kvalitetssäkrade källor innan AI formulerar sitt svar. På så sätt ska risken för felaktiga AI-svar minska samtidigt som informationen blir mer situationsanpassad.
En viktig målsättning är att minska förarens kognitiva belastning. I stället för att leta efter information i omfattande menyer och grafiska gränssnitt ska föraren kunna kommunicera med systemet med naturligt språk. Assistenten behöver samtidigt kunna fungera i den krävande miljö som skogsmaskiner innebär, bland annat med höga ljudnivåer och krav på säkerhet och tillförlitlighet.
Systemet utvecklas, integreras och utvärderas stegvis i realtidssimulator tillsammans med professionella skogsmaskinförare. Projektet jämför även lokala och molnbaserade lösningar för att undersöka hur AI-assistenten bäst kan användas i praktiken.
Projektet drivs av Skogforsk och SLU och visar hur AI kan användas för att skapa ett mer intuitivt samspel mellan förare och skogsmaskin. På längre sikt kan tekniken bidra till enklare maskinhantering, effektivare arbete och ökad säkerhet.
FIRE – automation för att förebygga skogsbränder
När skogsmaskiner blir allt mer uppkopplade och automatiserade skapas nya möjligheter att upptäcka och hantera risker i skogsbruket. I projektet FIRE utvecklas teknik och arbetssätt för att med hjälp av sensorer, AI och detaljerad information bedöma risken för skogsbrand lokalt och i realtid.
Projektet tar sikte på en framtid där skogsmaskiner kan samla in information om förhållandena på plats och använda den för att fatta bättre beslut. En central del är en sensorplattform som kan identifiera antändningsrisk i vegetation på meternivå. Informationen kan exempelvis användas för att skapa detaljerade kartor över brandrisk och ge förare eller framtida autonoma maskinsystem bättre beslutsunderlag.
FIRE undersöker också hur datorseende, kontaktlös mätning av fuktkvot och 3D LiDAR kan användas för att förstå förhållandena i terrängen. På så sätt kan automation bidra till att flytta brandförebyggande arbete från generella riskbedömningar till mer platsspecifik och dynamisk riskhantering.
Projektet tar samtidigt hänsyn till att ökad automation förändrar hur människor arbetar i skogen. När autonoma och fjärrstyrda maskiner introduceras finns en risk att den lokala kunskapen om terräng och förhållanden går förlorad. FIRE undersöker därför också nya sätt för beredskapsorganisationer, teknikföretag och skogs- och lantbrukssektorn att samarbeta och använda riskinformation tillsammans med ny teknik.
FIRE drivs av KTH i samverkan med Skogforsk, RISE och Myndigheten för civilt försvar och pågår 2024–2027. Projektet finansieras av Myndigheten för samhällsskydd och beredskap (MSB).
Läs mer om projektet här.
