München/San Jose, 18. März 2026. Idealworks gab heute die Veröffentlichung eines gemeinsamen Whitepapers mit NVIDIA bekannt, das den Einsatz von GPU-beschleunigtem Visual Simultaneous Localization and Mapping (VSLAM) für die Industrierobotik demonstriert. Das Whitepaper analysiert, wie die Integration von NVIDIA cuVSLAM in das Ökosystem von Idealworks eine robuste Lokalisierung und Kartierung in komplexen Logistikumgebungen ermöglicht und zugleich die Rechenleistungsbeschränkungen eingebetteter Robotersysteme einhält.
Die autonome Navigation bleibt eine der größten Herausforderungen in der Lagerautomatisierung. Industrielle Umgebungen sind durch lange, gleichförmige Gänge, dynamische Hindernisse wie Gabelstapler und Personal sowie geringe strukturelle Unterschiede gekennzeichnet – Bedingungen, die herkömmliche, in der mobilen Robotik verbreitete Lokalisierungsverfahren an ihre Grenzen bringen können.
Viele autonome Roboter nutzen eine LiDAR-basierte Partikelfilter-Lokalisierung. Diese Ansätze sind in bestimmten Umgebungen effektiv, können jedoch bei sich wiederholenden Geometrien und wenigen vertikalen Merkmalen an ihre Grenzen stoßen. Dadurch steigt mit der Zeit das Risiko von Lokalisierungsdrift und Inkonsistenzen bei der Kartierung.
Visual Simultaneous Localization and Mapping (SLAM) bietet einen leistungsfähigen ergänzenden Ansatz. Die kamerabasierte Wahrnehmung erfasst umfangreiche photometrische und strukturelle Informationen und ermöglicht so eine zuverlässigere Merkmalserkennung, wenn spärliche Sensordaten nicht ausreichen. Visuelle Anhaltspunkte wie Regaletiketten, Bodenmarkierungen und Beschilderungen können zudem die Lokalisierung in visuell gleichförmigen Umgebungen stabilisieren. Dadurch eignet sich VSLAM besonders für Logistikanlagen.
„Eine zuverlässige Wahrnehmung ist entscheidend, um autonome Robotik in realen industriellen Umgebungen zu skalieren“, sagte Anthony Rizk, Innovation Lead bei Idealworks. „Unsere Zusammenarbeit mit NVIDIA zeigt, wie GPU-beschleunigtes visuelles SLAM die Robustheit und Effizienz bereitstellt, die für den produktiven Einsatz in Logistik und Fertigung erforderlich sind.“
Neben der Lokalisierungsgenauigkeit hebt das Whitepaper die Bedeutung der Recheneffizienz für Industrieroboter hervor. Autonome mobile Roboter müssen auf kompakten eingebetteten Rechnerplattformen mehrere Echtzeitprozesse gleichzeitig ausführen – darunter Bewegungsplanung, Hinderniserkennung, Hardwarekoordination und Flottenkommunikation. Wenn Wahrnehmungs-Workloads übermäßig viele CPU-Ressourcen beanspruchen, können sie sicherheitskritische Prozesse beeinträchtigen und Echtzeitgarantien des Systems gefährden.
GPU-beschleunigte Architekturen lösen diese Herausforderung, indem sie rechenintensive Wahrnehmungsaufgaben auf dedizierte Hardware auslagern. NVIDIA cuVSLAM, eine Isaac-Bibliothek für Visual Simultaneous Localization and Mapping (SLAM) und Odometrie in Echtzeit, stellt eine modulare VSLAM-Pipeline bereit, die effizient auf eingebetteten Rechnerplattformen wie NVIDIA Jetson ausgeführt wird. Durch die Beschleunigung zentraler Komponenten der Wahrnehmungs-Pipeline – darunter Merkmalsextraktion, Stereo-Matching, Posenschätzung und Optimierung – ermöglicht cuVSLAM visuelle Odometrie mit hoher Frequenz und geringer Latenz und hält zugleich CPU-Ressourcen für übergeordnete Autonomieaufgaben frei. Der Quellcode von cuVSLAM ist jetzt auf GitHub verfügbar und ermöglicht eine nahtlose Zusammenarbeit sowie die kontinuierliche Weiterentwicklung der Bibliothek.
„Fortschrittliche Wahrnehmungsfunktionen sind entscheidend für die nächste Generation autonomer Roboter“, sagte Mihir Acharya, Senior Technical Product Manager bei NVIDIA. „Unsere Arbeit mit Idealworks belegt, dass wir durch die Auslagerung komplexer VSLAM-Pipelines auf beschleunigte Rechnerhardware hochpräzise visuelle Navigation aus dem Labor in anspruchsvollste reale Industrieanwendungen überführen und skalieren können.“
Die gemeinsame Forschung zeigt zudem, wie sich modulare VSLAM-Architekturen in heterogene Robotik-Stacks integrieren lassen und so eine skalierbare Bereitstellung über ganze Flotten autonomer mobiler Roboter hinweg unterstützen.
Durch die Kombination von NVIDIA Accelerated Computing mit Idealworks OS soll die Zusammenarbeit eine neue Generation von Robotern voranbringen, die ihre Karten kontinuierlich erstellen, verfeinern und validieren können, während sie durch dynamische Logistikumgebungen navigieren.
Zum Whitepaper auf arXiv: https://arxiv.org/abs/2603.16240