Trenutno se u nekim gradovima i porodicama primjenjuju logistički inteligentni roboti za rukovanje, roboti za čišćenje i tako dalje, bespilotne letjelice, bespilotna vozila i tako dalje se također brzo promoviraju, što je razlog zašto ovi roboti mogu brzo ući u fazu primjene, a razvoj autonomne tehnologije pozicioniranja i navigacije je neodvojiv.
Nedavno je iResearch, podružnica iresearch Consultinga, objavila svoj sažetak „TOP10 globalnih AI prodornih tehnologija u 2018.“, a među njima je bila i tehnologija autonomne navigacije robota zasnovana na prekograničnoj fuziji više senzora. Šta je tehnologija autonomnog pozicioniranja i navigacije robota? Trenutno postoji nekoliko tehničkih sredstava za realizaciju autonomnog pozicioniranja i navigacije robota. Koje su poteškoće i izazovi u implementaciji ovih tehnologija i aplikacija?
Osnovno: Vid i radar su primarni senzori
Može se reći da je tehnologija autonomnog pozicioniranja i navigacije postala jedna od srži i fokusa robotskih proizvoda. Dr. Du Mingfang, stručni član Kineskog društva za automatizaciju i Instituta za istraživanje internet industrije Univerziteta Tsinghua, rekao je za Sci-Tech Daily da autonomna navigacija uključuje dva dijela: lokalnu navigaciju i globalnu navigaciju iz široke perspektive. Lokalna navigacija se odnosi na prikupljanje trenutnih informacija o životnoj sredini u realnom vremenu putem vida, radara, ultrazvučnih i drugih senzora, izdvajanje karakteristika fuzije podataka i inteligentnu algoritamsku obradu kako bi se postigla procjena trenutnog prohodnog područja i praćenje više ciljeva. Globalna navigacija se uglavnom odnosi na korištenje globalnih navigacijskih podataka koje pruža GPS za izvođenje globalnog planiranja putanje i realizaciju navigacije putanjom u okviru potpune elektronske karte.
"Trenutno su vid i radar dva najvažnija senzora koja se koriste za lokalnu autonomnu navigaciju." Du Mingfang je objasnio da su prednosti vizuelnog senzora kao pasivnog senzora značajne, kao što su bogat pristup informacijama, dobro prikrivanje, mala veličina, neće donijeti "zagađenje okoline" zbog smetnji, niske cijene u odnosu na radar. Da bi se realizovala autonomna navigacija, uobičajeno je da različiti senzori sarađuju jedni s drugima kako bi identificirali različite informacije o okolišu, kao što su granice puta, karakteristike terena, prepreke, vodiči, itd. Na taj način robot može odrediti dosegljivo područje ili nedostižno područje u smjeru naprijed kroz percepciju okoline, potvrđuju njegovu relativnu poziciju u okruženju, predviđaju kretanje dinamičkih prepreka i pružaju osnovu za planiranje lokalnog puta.
Du Mingfang je rekao novinarima da je iz trenutne razvojne situacije na autonomni navigacijski sistem primijenjena tehnologija multisenzorske informacione fuzije, a njena uloga je povezana i sa inteligentnim nivoom robota. „Srž navigacijske tehnologije je da ona može učinkovito obraditi i spojiti informacije prikupljene od više senzora, poboljšati sposobnost robota 'otpor' na nesigurne informacije, osigurati da se koriste pouzdanije informacije i pomoći da se intuitivnije prosuđuje okolno okruženje. ." "On je rekao.
Vizuelna navigacija je uspešno primenjena na navigaciju aviona na malim visinama, navigaciju bespilotne letelice i navigaciju za sletanje na Mars rover. Međutim, Du Mingfang je također rekao da informacije koje pružaju vizualni senzori nisu direktne, potražnja za računarstvom i skladištenjem je velika, a teret mrežnog prijenosa je velik. Fuzija informacija sa više senzora može eliminisati nesigurnost u pozicioniranju i navigaciji robota i poboljšati tačnost, ali pretjerana fuzija će također donijeti dvostruko povećanje količine izračunavanja.
Kako se ovi problemi mogu riješiti? Du Mingfang vjeruje da je odabir pravog algoritma fuzije ključ. Trenutno, "postoji sve više osnovnih teorija kao što su teorija inteligentnog računarstva i teorija vjerovatnoće koje se primjenjuju na polje robotske fuzije više senzora." "On je rekao.
Metoda: Razne kombinacije tehnologija za postizanje komplementarnih prednosti
Koji su načini za realizaciju autonomnog pozicioniranja i navigacije robota? Zapravo, autonomna vožnja automobila i djelomično autonomno pozicioniranje i tehnologija navigacije koju koriste roboti su konzistentni. Chen Jinpei, izvršni direktor Chihiro Position-a, rekao je novinarima da kompanija koristi kombinaciju pozicioniranja lidara i navigacije i senzorske tehnologije kako bi postigla preciznost pozicioniranja od oko jednog metra i potpuno početno pozicioniranje za tri sekunde.
Takozvana lidarska navigacija je ugradnja laserskog reflektora sa preciznim položajem oko puta vožnje. Robot šalje laserski snop kroz laserski skener i prikuplja laserski snop koji se reflektuje od reflektora kako bi odredio njegov trenutni položaj i kurs, te ostvaruje vođenje kroz kontinuirani trokutni geometrijski rad. Osim funkcije dometa i pozicioniranja, lidar ima i funkcije identifikacije i izbjegavanja prepreka.
Du Mingfang je rekao da je lidar aktivan senzor, a podaci o percepciji koje pruža mnogo su jednostavniji i direktniji od vizualnih informacija, s manje proračuna prilikom obrade. Ali nedostatak je visoka cijena, loše prikrivanje, "zagađenje" okoline, informacije nisu dovoljno bogate.
Podrazumijeva se da Suningov robot i autonomna navigacija vozila bez posade usvajaju još jedan "lidar sa više linija plus GPS plus inercijalna navigacija i drugi način fuzije pozicioniranja s više senzora". Konkretno, prvo, lidar se koristi za mapiranje okruženja da bi se dobila prethodna mapa oblaka tačaka, a globalna pozicija mašine se inicijalno određuje putem GPS-a i inercijalne navigacije. Zatim se podaci skeniranja lidara uparuju sa prethodnom mapom oblaka tačaka kako bi se dobila preciznija globalna pozicija i postigla tačna pozicija i autonomna navigacija. Na nivou percepcije, lidar integriše viziju da identifikuje pješake, vozila i prepreke oko njih u realnom vremenu, pružajući osnovu za planiranje optimalne putanje obilaska.
Osim toga, postoji inercijalna navigacija, koja se odnosi na ugradnju žiroskopa na robota ili bespilotno vozilo, ugradnju pozicioniranog bloka na tlo u području vožnje, kroz proračun signala devijacije žiroskopa (kutne brzine) i prikupljanje Blok signala za pozicioniranje na zemlji kako bi odredili vlastiti položaj i smjer, kako bi postigli vođenje. Osoba zadužena za Suning rekla je u intervjuu za Science and Technology Daily da inercijalna navigacijska tehnologija ima precizno pozicioniranje, malo opterećenje obrade tla i veliku fleksibilnost putanje. Međutim, proizvodni troškovi su visoki, a preciznost i pouzdanost vođenja usko su povezani sa preciznošću proizvodnje žiroskopa i njegovom naknadnom obradom signala. Ukratko, jedno tehničko sredstvo ne može riješiti sve probleme.
Izazovi: Pitanja potrošnje energije, troškova i industrijalizacije koja treba riješiti
Trenutno je primjena autonomnog robota za pozicioniranje i navigaciju uglavnom podijeljena u dvije kategorije, jedna je porodična upotreba robota za čišćenje i porodične skrbi, robota pratioca. Chen Shikai, izvršni direktor Silan Technology, rekao je da se takvi scenariji aplikacija mogu sažeti kao "nulta konfiguracija", u smislu potrošačke upotrebe, trebalo bi da bude što jednostavnija i da se može koristiti kada se otkupi. Drugi je u komercijalnom scenariju, koji zahtijeva proces pre-konfiguracije visoke pouzdanosti i skalabilnosti.
Chen Shikai je rekao da bi sistem za navigaciju i pozicioniranje lične kućne scene trebao riješiti izazove potrošnje energije, volumena i troškova. Trenutno, algoritam za lokalizaciju u realnom vremenu i konstrukciju karte (SLAM) i sistem za planiranje putanje imaju veliku složenost. "Za robota koji mete pod, sama baterija može imati kapacitet samo više od 20 vat-sati. Ako stavite laptop na njega da pokreće SLAM algoritam, mogao bi ostati bez struje za manje od sat vremena, što potpuno neprihvatljivo."
Osim toga, kada se novi robot prvi put uključi, on ne poznaje strukturu kućnog okruženja i treba ga unaprijed mapirati. "Ovo je kontradikcija", rekao je Chen. Od robota se očekuje da rade odmah kada su u okruženju, ali mainstream algoritmi također moraju imati unaprijed izgrađeno ili istraženo okruženje, a u ovoj oblasti "postoji nešto posla za industriju". Na primjer, početni put se može planirati, a put se može postepeno usavršavati i poboljšavati kako se robot koristi i istražuje, rekao je Chen.
U komercijalnim ili profesionalnim scenarijima, poteškoća autonomnih navigacijskih sistema je u tome što je područje karte u komercijalnim scenarijima veliko, čak i više od desetina hiljada kvadratnih metara. "Trenutno, SLAM sistemi su intenzivni u memoriji i računarstvu. Kako ga natjerati da radi na tako velikoj sceni veliki je izazov za sisteme navigacije i pozicioniranja." Rešenje je, rekao je gospodin Chen, imati moćan hardver, zajedno sa boljom optimizacijom softvera i algoritama. "U ovom trenutku, kvalifikovani sistem za navigaciju i pozicioniranje ne bi trebao imati samo lidar, već i vizualne senzore i ultrazvučne valove, a odgovarajuća fuzija bi trebala biti izvedena u algoritmu navigacije i pozicioniranja. Ova integracija možda neće biti teška akademski ili algoritamski, ali imajući u vidu problemi industrijalizacije, na primjer, mnogi ultrazvučni senzori su nestandardni proizvodi, a senzori dubinskog vida imaju različite specifikacije i različite lokacije ugradnje, postoje izazovi u tome kako osigurati jedinstveno standardizirano sučelje koje korisnici mogu koristiti."
