LIDAR (Light Detection and Ranging) ist ein Sensor, der die Entfernung mithilfe eines Laserstrahls misst. Er sendet einen kurzen Lichtimpuls aus und misst, wie lange es dauert, bis die Reflexion zurückkehrt; aus der Laufzeit des Lichts berechnet er dann genau die Entfernung zum Hindernis. Wenn er auf diese Weise Tausende bis Millionen Punkte pro Sekunde in verschiedenen Richtungen erfasst, entsteht die sogenannte Punktwolke – eine detaillierte dreidimensionale Karte der Umgebung. Für den Roboter ist LIDAR eine Art räumliches Sehen, das vom Licht unabhängig ist.
Die Hauptstärke von LIDAR ist die Genauigkeit und Zuverlässigkeit bei der Entfernungsbestimmung, und das auch im Dunkeln oder bei schlechten Lichtverhältnissen, wo gewöhnliche Kameras versagen. Anders als eine Kamera, die Farben und Texturen sieht, die Entfernung aber aufwändig schätzen muss, misst LIDAR die Geometrie der Umgebung direkt. Dadurch eignet er sich hervorragend zum Ausweichen vor Hindernissen, zum Kartieren von Gebäuden und zur präzisen Navigation.
In humanoiden Robotern bildet LIDAR einen der zentralen Bestandteile der Wahrnehmung, oft im Kopf oder im Rumpf untergebracht. Seine Daten werden mit der IMU und Kameras in SLAM-Algorithmen kombiniert, die es dem Roboter ermöglichen, gleichzeitig eine Karte der Umgebung zu erstellen und seine eigene Position darin zu bestimmen. Das ist unerlässlich, damit sich der Humanoid sicher in der dynamischen Welt eines Lagers, einer Fabrik oder eines Haushalts bewegt. LIDAR nutzen unter anderem der Unitree H1, der UBTech Walker S1 und der Fourier GR-1.
Es gibt jedoch auch eine Gegenströmung. Manche Firmen, inspiriert von Teslas Ansatz bei autonomen Fahrzeugen, setzen auf ein rein kamerabasiertes Sehen und schätzen die Tiefe per Software mithilfe neuronaler Netze – sie argumentieren mit geringeren Kosten, geringerem Gewicht und damit, dass auch Menschen mit ihren Augen allein auskommen. LIDAR ist nämlich nach wie vor ein relativ teurer und sperriger Sensor. Die Frage „LIDAR oder nur Kameras” gehört damit zu den lebhaften Streitpunkten darüber, wie man dem Roboter am besten eine räumliche Wahrnehmung für Embodied AI und die Erstellung von Weltmodellen verleiht.