Monofunktionale autonome Transporteinheiten

Ziel eines am Institut für Fördertechnik und Logistik (IFT) laufenden, von der AiF geförderten, Forschungsprojektes ist die Entwicklung eines flexiblen Transportsystems für kleine Transportgüter mit geringem Gewicht. Dazu werden kleine autonome Transporteinheiten (KATE) entwickelt, die sich einerseits selber orientieren können und deren Pose (Fahrzeugposition und Geschwindigkeitsvektor) andererseits z.B. durch ein externes System festgestellt wird. In einem weiteren Projekt des IFT werden kleine autonome Transportfahrzeuge entwickelt, welche den Transport von Paletten ermöglichen. Bei diesen neuartigen Fahrzeugen wurde ein Antriebssystem entwickelt, welches Hub-, Fahr- und Lenkbewegungen kombiniert, um mit denselben Antrieben dem Fahrzeug eine bestimmte Fahrtrichtung vorzugeben, es anzutreiben und die Hubplattform in die Höhe zu bewegen.

Collision Detection: Broad Phase Adaptation from Multi-Core to Multi-GPU Architecture

We present in this paper several contributions on the collision detection optimization centered on hardware performance. We focus on the broad phase which is the first step of the collision detection process and propose three new ways of parallelization of the well-known Sweep and Prune algorithm. We first developed a multi-core model takes into account the number of available cores. Multi-core architecture enables us to distribute geometric computations with use of multi-threading. Critical writing section and threads idling have been minimized by introducing new data structures for each thread. Programming with directives, like OpenMP, appears to be a good compromise for code portability. We then proposed a new GPU-based algorithm also based on the "Sweep and Prune" that has been adapted to multi-GPU architectures. Our technique is based on a spatial subdivision method used to distribute computations among GPUs. Results show that significant speed-up can be obtained by passing from 1 to 4 GPUs in a large-scale environment.