Mecanum-Antriebe driften während der FTC-Autonomiephase, weil ihre Bewegung auf der exakten mathematischen Aufhebung diagonaler 45-Grad-Kraftvektoren beruht. Auf weichen, unebenen EVA-Schaumstoffmatten verhindern ungleiche Normalkräfte und Schlupf an den Rollen, dass sich diese Vektoren perfekt ausgleichen. Dadurch entsteht eine unerwünschte Drehbewegung (Gieren bzw. Yaw), die sich über die Distanz aufsummiert. Sie benötigen keine teuren, unmotorisierten Odometrieräder (Dead Wheels), um dieses Problem zu lösen: Der überwiegende Teil der Bahnfehler im Autonomous lässt sich eliminieren, indem Sie die Ausrichtung (Heading) über die interne IMU des REV Control Hubs im geschlossenen Regelkreis halten und die Beschleunigung so begrenzen, dass die Haftreibungsgrenzen der Rollen nicht überschritten werden.

Die Mechanik des Mecanum-Schlupfs

Ein herkömmliches Antriebsrad überträgt die Kraft parallel zur Drehrichtung des Rades. Ein Mecanum-Rad überträgt die Kraft hingegen über passive Rollen, die im 45-Grad-Winkel zur Radfelge angeordnet sind. Wenn ein Motor ein Mecanum-Rad nach vorne dreht, erzeugt die Kontaktfläche einen diagonalen Vektor: eine Komponente, die den Roboter nach vorne schiebt, und eine gleich große Querkraftkomponente, die zur Seite drückt.

Um geradeaus zu fahren, erzeugen die linken und rechten Räder entgegengesetzte Querkräfte gleicher Stärke, die sich gegenseitig aufheben, sodass nur der Vorwärtsschub übrig bleibt. Für eine reine Seitwärtsbewegung (Strafing) drehen sich diagonal gegenüberliegende Radpaare gegeneinander, wodurch sich der Vorwärtsschub aufhebt und die Querkräfte addieren.

Diese Vektoraufhebung setzt drei Bedingungen voraus, die auf einem echten Spielfeld praktisch nie gegeben sind:

• Symmetrische Normalkräfte: Wenn der Schwerpunkt Ihres Roboters auch nur minimal in Richtung der Batterie oder des Hebemechanismus verschoben ist, wirken auf die schwereren Ecken höhere Normalkräfte und damit mehr Traktion. Die leichteren Ecken rutschen durch, sodass die Querkräfte nicht vollständig ausgeglichen werden.
• Gleichmäßige Bodenhaftung: Die weichen, ineinandergreifenden EVA-Schaumstoffmatten geben unter dem Gewicht des Roboters nach. Die Rollen sinken unterschiedlich tief in den Schaumstoff ein, was den effektiven Kontaktwinkel und den Rollwiderstand von Millisekunde zu Millisekunde verändert.
• Identische Gleitreibung: Die passiven Kunststoff- und Gummirollen handelsüblicher Mecanum-Räder weisen geringe Fertigungstoleranzen, axiales Spiel und herstellungsbedingte Unterschiede bei der internen Reibung auf.

Wenn sich die Kraftvektoren nicht perfekt aufheben, entsteht unmittelbar ein ungesteuertes Giermoment. Sobald sich der Roboter auch nur um zwei oder drei Grad von seinem Sollkurs wegdreht, führt jeder weitere Encoder-Impuls des Motors dazu, dass der Roboter entlang einer verdrehten Bahn fährt, wodurch sich der Positionsfehler mit der Zeit vervielfacht.

Die Lösung: Aktive Kurskorrektur per IMU

Motoren-Encoder messen zwar, wie weit sich die Radachsen gedreht haben, können jedoch das Rutschen der Rollen auf dem Spielfeldboden nicht erfassen. Sie benötigen jedoch kein vollständiges kartesisches Positionstracking, um den Großteil der Ungenauigkeiten in der Autonomiephase zu beheben. Wenn Sie verhindern, dass sich der Roboter aus seiner Sollausrichtung dreht, bleiben translatorische Encoder-Fehler linear und vorhersehbar, anstatt zu schwerwiegenden rotatorischen Abweichungen zu führen.

Jeder REV Control Hub enthält eine interne Inertiale Messeinheit (IMU), die in der Lage ist, die absolute Winkelausrichtung (Yaw) über den 30-sekündigen Zeitraum der Autonomiephase hinweg hochpräzise und mit minimaler Drift zu erfassen.

Implementierung des Heading-Lock-Regelkreises

Anstatt die reinen translatorischen Leistungswerte direkt an die Antriebsmotoren zu senden, leiten Sie den Winkelfehler durch einen Proportional-Derivative-Regelkreis (PD-Regler), der in Echtzeit eine korrigierende Drehkomponente in die Mecanum-Kinematikgleichungen einspeist.

Die Standardgleichungen der Mecanum-Kinematik für die Motorleistung lauten:

• Vorne Links = Fahren + Seitwärts + Drehen
• Vorne Rechts = Fahren - Seitwärts - Drehen
• Hinten Links = Fahren - Seitwärts + Drehen
• Hinten Rechts = Fahren + Seitwärts - Drehen

In einer ungesteuerten Routine (Open-Loop) wird Drehen bei reinen Vorwärts- oder Seitwärtsfahrten auf null gesetzt. In einer Routine mit aktiver Kursstabilisierung (Heading Lock) wird Drehen in jedem Regeldurchlauf dynamisch aus dem IMU-Gierwinkel berechnet:

1. Aktuelle Ausrichtung auslesen: Den aktuellen Gierwinkel von der IMU abfragen.
2. Winkelfehler berechnen: Die kürzeste Winkeldifferenz zwischen der Zielausrichtung und dem aktuellen Kurs ermitteln. Dabei den Winkel auf einen Bereich zwischen -180 und +180 Grad (oder -π und +π Radiant) normalisieren, um Sprungfehler beim Nulldurchgang zu vermeiden.
3. Korrekturwert berechnen: Den Fehler mit einer abgestimmten Proportionalverstärkung (kP) multiplizieren und die Änderungsrate des Fehlers multipliziert mit einer Differentialverstärkung (kD) addieren, um Schwingungen zu dämpfen.
4. Anwenden und normalisieren: Diesen Korrekturwert in die Variable Drehen einsetzen. Falls das Berechnungsergebnis für einen Motor den Leistungswert von 1,0 (oder -1,0) übersteigt, alle vier Motorleistungen durch den betragsmäßig höchsten Wert dividieren, um das geforderte Vektorverhältnis ohne Signalabschneidung beizubehalten.

Das Normalisieren der Motorleistungen ist entscheidend. Wenn der Roboter mit voller Leistung vorwärts fährt und der Regler eine Drehkorrektur anfordert, würde ein einfaches Abschneiden der Werte die Differenzwirkung zunichtemachen – der Roboter würde trotz optimal abgestimmter Softwareparameter unweigerlich driften.

Schlupfbegrenzung durch Ratenbegrenzung der Beschleunigung

Eine aktive Kurskorrektur kompensiert die Drehdrift, doch ruckartige Beschleunigung führt weiterhin zu longitudinalem und lateralem Schlupf, bei dem die Räder schneller durchdrehen, als das Chassis beschleunigen kann. Sobald die Rollen die Haftung auf dem Schaumstoff verlieren, registrieren die Motoren-Encoder eine Wegstrecke, die in der Realität nie zurückgelegt wurde.

So lässt sich kinematischer Schlupf ohne Dead Wheels vermeiden:

• Beschleunigung begrenzen (Slew Rate): Die Zielmotorleistung niemals in einem einzigen Zyklus von 0,0 auf 1,0 springen lassen. Steigern Sie die Leistung schrittweise über einen Ratenbegrenzer (z. B. Begrenzung des Beschleunigungsanstiegs auf maximal 0,05 Leistungseinheiten pro 20-Millisekunden-Zyklus).
• Mit Profil abbremsen: Nutzen Sie trapezförmige oder S-Kurven-Geschwindigkeitsprofile, um den Roboter kontrolliert zu verlangsamen, bevor er den Zielwert der Encoder erreicht. Abruptes Bremsen führt dazu, dass der Roboter über die Matten rutscht, was den berechneten Haltepunkt unbrauchbar macht.
• Mechanischer Bodenkontakt: Stellen Sie sicher, dass das Fahrgestell eine leichte Verwindungssteifigkeit aufweist oder über eine Pendelachse verfügt. Wenn ein völlig starres Vierrad-Chassis auf eine unebene Nahtstelle zwischen Schaumstoffmatten trifft, hebt ein Rad leicht vom Boden ab, verliert augenblicklich die Traktion und erzeugt Schlupf.

Wann sind Dead Wheels tatsächlich unverzichtbar?

Viele Teams greifen vorschnell zu federbelasteten Drei-Rad-Odometriesystemen, weil sie annehmen, dass mit Mecanum-Rädern keine zuverlässige 30-Sekunden-Autonomiephase gefahren werden kann. In der Praxis reicht eine gut eingestellte Kurshalte-Regelung in Kombination mit encoderbasierten Geschwindigkeitsprofilen völlig aus, um anspruchsvolle Aufgaben im Autonomous zu lösen, den Roboter präzise an Banden auszurichten und verlässlich einzuparken.

Dead-Wheel-Odometrie ist erst dann zwingend erforderlich, wenn Ihre Autonomiestrategie komplexe, hochdynamische Spline-Pfade über mehrere Wegpunkte erfordert (wie etwa vollständige Trajektorien mit Road Runner oder Pedro Pathing), bei denen der Roboter seine exakten (X, Y)-Koordinaten auch nach Kollisionen mit Spielelementen oder nach aggressivem Strafing über das gesamte Spielfeld hinweg kennen muss.

Wenn Sie FTC-Antriebe konstruieren und optimieren oder das autonome Bewegungsprofiling mit Ihrem Team perfektionieren möchten, werfen Sie einen Blick in unsere technischen Wettbewerbsleitfäden unter Sheen Robotics FTC Resources.