V současné době se v některých městech a rodinách používají logistické inteligentní manipulační roboty, zametací roboty a tak dále, rychle se prosazují také bezpilotní letadla, bezpilotní vozidla atd., což je důvod, proč mohou tyto roboty rychle vstoupit do fáze aplikace a vývoj autonomních technologií určování polohy a navigace je neoddělitelný.
Nedávno společnost iResearch, dceřiná společnost společnosti iresearch Consulting, vydala své shrnutí „TOP10 globálních průlomových technologií AI v roce 2018“ a byla mezi nimi i technologie autonomní navigace robotů založená na multisenzorové přeshraniční fúzi. Co je technologie autonomního určování polohy a navigace robota? V současné době existuje několik technických prostředků pro realizaci autonomního určování polohy a navigace robotů. Jaké jsou potíže a výzvy při implementaci těchto technologií a aplikací?
Základní: Vize a radar jsou primární senzory
Dá se říci, že technologie autonomního určování polohy a navigace se stala jedním ze stěžejních a zaměření produktů robotů. Dr. Du Mingfang, odborný člen Čínské společnosti pro automatizaci a Výzkumného institutu internetového průmyslu univerzity Tsinghua, řekl Sci-Tech Daily, že autonomní navigace zahrnuje dvě části: místní navigaci a globální navigaci z velké perspektivy. Místní navigace se týká získávání aktuálních informací o životním prostředí v reálném čase prostřednictvím zrakových, radarových, ultrazvukových a dalších senzorů, získávání funkcí fúze dat a inteligentního zpracování algoritmů pro dosažení posouzení aktuální průjezdné oblasti a sledování více cílů. Globální navigace se týká především použití globálních navigačních dat poskytovaných GPS k provádění globálního plánování cest a realizaci navigace po trase v rozsahu plné elektronické mapy.
"V současné době jsou zrak a radar dva nejdůležitější senzory používané pro místní autonomní navigaci." Du Mingfang vysvětlil, že jako pasivní senzor jsou výhody vizuálního senzoru významné, jako je bohatý přístup k informacím, dobré utajení, malá velikost, nepřinese "znečištění životního prostředí" kvůli rušení, nízké náklady ve srovnání s radarem. Aby bylo možné realizovat autonomní navigaci, je běžné, že různé senzory vzájemně spolupracují a identifikují různé informace o životním prostředí, jako jsou hranice silnic, terénní prvky, překážky, vodítka atd. Tímto způsobem může robot určit dosažitelná oblast nebo nedosažitelná oblast v dopředném směru prostřednictvím vnímání prostředí, potvrzuje její relativní polohu v prostředí, předpovídá pohyb dynamických překážek a poskytuje základ pro plánování místních cest.
Du Mingfang novinářům řekl, že ze současné vývojové situace byla na autonomní navigační systém aplikována technologie multisenzorové informační fúze a její role také souvisí s inteligentní úrovní robota. „Jádro navigační technologie spočívá v tom, že dokáže efektivně zpracovávat a spojovat informace shromážděné více senzory, zlepšovat „odolnost“ robota vůči nejistým informacím, zajišťovat použití spolehlivějších informací a pomáhat intuitivněji posuzovat okolní prostředí. ." "Řekl.
Vizuální navigace byla úspěšně aplikována na navigaci letadel v malých výškách, navigaci bezpilotních vzdušných prostředků a navigaci při přistání marťanských roverů. Du Mingfang však také uvedl, že informace poskytované vizuálními senzory nejsou přímé, poptávka po výpočetní technice a úložišti je velká a zátěž síťových přenosů je velká. Fúze informací z více senzorů může eliminovat nejistotu v určování polohy a navigace robota a zlepšit přesnost, ale přílišná fúze také přinese dvojnásobný nárůst objemu výpočtů.
Jak lze tyto problémy vyřešit? Du Mingfang věří, že klíčový je výběr správného fúzního algoritmu. V současné době "existuje stále více základních teorií, jako je inteligentní výpočetní teorie a teorie pravděpodobnosti, aplikované na oblast robotické multisenzorové fúze." "Řekl.
Metoda: Různé kombinace technologií k dosažení doplňkových výhod
Jaké jsou způsoby realizace autonomního určování polohy a navigace robota? Ve skutečnosti jsou autonomní řízení automobilů a částečně autonomní technologie určování polohy a navigace používané roboty konzistentní. Chen Jinpei, generální ředitel společnosti Chihiro Position, řekl novinářům, že společnost využívá kombinaci lidarového určování polohy a navigace a senzorové technologie k dosažení přesnosti určování polohy asi jeden metr a dokončení počáteční polohy za tři sekundy.
Takzvaná lidar navigace spočívá v instalaci laserového reflektoru s přesnou polohou kolem jízdní dráhy. Robot vysílá laserový paprsek přes laserový skener a sbírá laserový paprsek odražený od reflektoru, aby určil jeho aktuální polohu a kurz, a realizuje navádění pomocí kontinuální trojúhelníkové geometrické operace. Kromě funkcí měření vzdálenosti a polohy má lidar také funkce identifikace a vyhýbání se překážkám.
Du Mingfang řekl, že lidar je aktivní senzor a údaje o vnímání, které poskytuje, jsou mnohem jednodušší a přímější než vizuální informace, s menšími výpočty při zpracování. Nevýhodou je ale vysoká cena, špatné utajování, „znečištění“ životního prostředí, informace nejsou dostatečně bohaté.
Rozumí se, že autonomní navigace robotů a bezpilotních vozidel Suning využívá další „víceřádkový lidar plus GPS plus inerciální navigaci a další režim fúzního polohování s více senzory“. Konkrétně se lidar za prvé používá pro mapování prostředí k získání předchozí mapy mračna bodů a globální poloha stroje je zpočátku určena pomocí GPS a inerciální navigace. Poté jsou data skenování lidaru porovnána s předchozí mapou mračna bodů, aby se získala přesnější globální poloha a dosáhlo se přesné polohy a autonomní navigace. Na úrovni vnímání lidar integruje vidění, aby v reálném čase identifikoval chodce, vozidla a překážky kolem nich, což poskytuje základ pro plánování optimální objízdné trasy.
Kromě toho existuje inerciální navigace, která se týká instalace gyroskopu na robota nebo bezpilotního prostředku, instalace polohovacího bloku na zemi v oblasti řízení, přes výpočet signálu odchylky gyroskopu (úhlová rychlost) a sběr pozemní polohovací blokový signál k určení vlastní polohy a kurzu, aby bylo dosaženo navádění. Osoba odpovědná za Suning v rozhovoru pro Science and Technology Daily řekla, že technologie inerciální navigace má přesné polohování, malé pracovní zatížení pozemního zpracování a silnou flexibilitu cesty. Výrobní náklady jsou však vysoké a přesnost a spolehlivost navádění úzce souvisí s přesností výroby gyroskopu a jeho následného zpracování signálu. Jeden technický prostředek zkrátka nemůže vyřešit všechny problémy.
Výzvy: Je třeba vyřešit problémy se spotřebou energie, náklady a industrializací
V současné době je aplikace autonomního polohovacího a navigačního robota rozdělena především do dvou kategorií, jednou je rodinné použití zametacího robota a rodinné péče, doprovodný robot. Chen Shikai, generální ředitel společnosti Silan Technology, uvedl, že takové aplikační scénáře lze shrnout jako „nulovou konfiguraci“, z hlediska spotřebitelského použití by měla být co nejjednodušší a lze ji použít při zpětném odkupu. Druhý je v komerčním scénáři, který vyžaduje proces předběžné konfigurace s vysokou spolehlivostí a škálovatelností.
Chen Shikai řekl, že navigační a polohovací systém pro osobní domácí scénu by měl vyřešit problémy spotřeby energie, objemu a nákladů. V současné době mají jak algoritmus pro lokalizaci v reálném čase, tak algoritmus konstrukce map (SLAM) a systém plánování cest vysokou složitost. "U robota, který zametá podlahu, může mít samotná baterie kapacitu pouze více než 20 watthodin. Pokud na ni položíte notebook, aby spustil algoritmus SLAM, mohla by se vybít za méně než hodinu. je naprosto nepřijatelné."
Při prvním zapnutí navíc nový robot nezná strukturu domácího prostředí a potřebuje se předem zmapovat. "To je protimluv," řekl Chen. Očekává se, že roboti budou pracovat okamžitě, když jsou v daném prostředí, ale běžné algoritmy také potřebují mít předem vytvořené nebo prozkoumané prostředí a v této oblasti „je tu určitá práce, kterou musí průmysl udělat“. Například lze naplánovat počáteční cestu a cestu lze postupně zdokonalovat a vylepšovat, jak je robot používán a zkoumán, řekl Chen.
V komerčních nebo profesionálních scénářích je potíž autonomních navigačních systémů v tom, že plocha mapy v komerčních scénářích je velká, dokonce více než desítky tisíc metrů čtverečních. "V současné době jsou systémy SLAM náročné na paměť a výpočetní techniku. Jak zajistit, aby to fungovalo na tak velké scéně, je velkou výzvou pro navigační a polohovací systémy." Řešením, řekl pan Chen, je mít výkonný hardware spolu s lepší optimalizací softwaru a algoritmů. "V současné době by kvalifikovaný navigační a polohovací systém měl mít nejen lidar, ale také vizuální senzory a ultrazvukové vlny a odpovídající fúze by měla být provedena v navigačním a polohovacím algoritmu. Tato integrace nemusí být akademicky ani algoritmicky obtížná, ale s ohledem na Problémy industrializace, například mnoho ultrazvukových senzorů jsou nestandardní produkty a senzory pro hloubkové vidění mají různé specifikace a různá místa instalace, existují problémy, jak poskytnout zákazníkům jednotné standardizované rozhraní.
