Kun roboteista tulee entistä omavaraisempia{0}}, heidän on navigoitava ympäristössään itsenäisemmin ja luotettavammin. Autonomisten traktoreiden, maatalousharvesterien ja kylvökoneiden on kuljettava varovasti peltojen läpi, kun taas itse-ajoivien jakeluajoneuvojen on kuljettava turvallisesti kaduilla sijoittaakseen paketit oikeaan paikkaan. Monissa eri sovelluksissa autonomiset mobiilirobotit (AMR) vaativat erittäin tarkkoja paikannuslähteitä voidakseen suorittaa turvallisesti ja onnistuneesti ne työt, joita varten ne on suunniteltu.
Tällaisen tarkkuuden saavuttaminen vaatii kaksi paikannuskykyä. Yksi on ymmärtää itsensä suhteellinen asema muihin esineisiin nähden. Tämä antaa kriittisen panoksen ympäröivän maailman ymmärtämiseen ja ilmeisimmissä tapauksissa sekä paikallaan olevien että liikkuvien esteiden välttämiseen. Tämä dynaaminen ohjailu vaatii laajan pinon navigointiantureita, kuten kameroita, tutkaa, lidaria ja niitä tukevaa ohjelmistoa näiden signaalien käsittelemiseksi ja reaaliaikaisten -suunnan antamiseksi AMR:lle.
Toinen ominaisuusjoukko on se, että AMR ymmärtää tarkan fyysisen sijaintinsa (tai absoluuttisen sijaintinsa) maailmassa, jotta se voi navigoida tarkasti ja toistuvasti laitteeseen ohjelmoidulla polulla. Ilmeinen käyttötapaus tässä on tarkkuusmaatalous, jossa eri AMR:ien on kuljettava samaa kapeaa polkua useiden kuukausien aikana istuttaakseen, kastellakseen ja korjatakseen sadon, ja jokaisella ajokerralla AMR:n on viitattava samaan tarkkaan paikkaan joka kerta.
Tämä vaatii erilaisia navigointiominaisuuksia, alkaen Global Navigation Satellite Systemsistä (GNSS), jota koko anturi- ja ohjelmistoekosysteemi hyödyntää. Augmenting GNSS ovat korjausominaisuuksia, kuten RTK ja SSR, jotka auttavat ajamaan 100 kertaa suurempaa tarkkuutta kuin pelkkä GNSS avoimessa-taivassovelluksissa, ja inertiamittausyksiköt yhdistettynä anturin fuusioohjelmistoon navigointiin siellä, missä GNSS ei ole saatavilla (kuollut laskenta).
Ennen kuin sukeltaamme näihin teknologioihin, katsokaamme hetki käyttötapauksia, joissa AMR tarvitsee sekä suhteellista että absoluuttista sijaintia voidakseen suorittaa tehtävänsä.
Robotiikkasovellukset, jotka vaativat suhteellista ja absoluuttista paikannusta
AMR:t paljastavat, mitä ihmiset pitävät itsestäänselvyytenä - luontaisen kyvyn paikantaa itsensä tarkasti maailmassa ja ryhtyä täsmällisiin toimiin näiden tietojen perusteella. Mitä monipuolisempia AMR-sovelluksia on, sitä enemmän huomaamme, minkä tyyppiset toimet vaativat äärimmäistä tarkkuutta. Joitakin esimerkkejä ovat:
Maatalouden automaatio: Maataloudessa AMR:t ovat yhä yleisempiä sellaisissa tehtävissä kuin istutus, sadonkorjuu ja sadon seuranta. Nämä robotit käyttävät absoluuttista paikannusta, tyypillisesti GPS:n kautta, navigoidakseen tarkasti suurilla ja usein epätasaisilla kentillä. Tämä varmistaa, että ne voivat kattaa laajoja alueita järjestelmällisesti ja palata tiettyihin paikkoihin tarpeen mukaan. Kuitenkin, kun AMR:t ovat viljelykasvien läheisyydessä tai tietyllä alueella, ne luottavat suhteelliseen paikannukseen tehtävissä, jotka vaativat suurempaa tarkkuutta, kuten poimittaessa hedelmiä, jotka ovat saattaneet kasvaa tai muuttaa paikkaa sen jälkeen, kun AMR on viimeksi käynyt siellä. Yhdistämällä molemmat paikannusmenetelmät nämä robotit voivat toimia tehokkaasti maatalouden pelloille tyypillisissä haastavissa ja vaihtelevissa ympäristöissä.
Viimeinen-mailin toimitus kaupunkiasetuksissa: AMR:t muuttavat viimeisen{0}}mailin toimitusta kaupunkiympäristöissä kuljettamalla tavaroita itsenäisesti jakelukeskuksista lopullisiin kohteisiin. Nämä robotit käyttävät absoluuttista paikannusta navigoidakseen kaupungin kaduilla, kujilla ja monimutkaisilla kaupunkiasetteluilla varmistaen, että ne seuraavat optimoituja reittejä välttäen liikennettä ja noudattavat toimitusaikatauluja. Saavuttuaan toimituspaikan läheisyyteen AMR:t käyttävät myös suhteellista sijaintia liikkuakseen vaihtelevien tai odottamattomien esteiden, kuten kadulle kaksinkertaisesti pysäköidyn ajoneuvon, ympäri. Tämän kaksoislähestymistavan ansiosta AMR:t voivat käsitellä kaupunkimaisemien monimutkaisuutta ja toimittaa tarkkoja toimituksia suoraan asiakkaiden ovelle.
Työmaaautomaatio: Rakennustyömailla käytetään AMR:itä sen varmistamiseksi, että projekti on rakennettu täsmälleen insinöörien määrittämien vaatimusten mukaisesti. He auttavat myös tehtävissä, kuten materiaalien kuljetuksessa ja ympäristöjen kartoituksessa tai kartoituksessa. Nämä sivustot kattavat usein suuria alueita jatkuvasti muuttuvissa ympäristöissä, mikä edellyttää, että AMR:t käyttävät absoluuttista paikannusta navigoidakseen ja säilyttääkseen suunnan koko projektin alueella. Suhteellinen paikannus tulee esiin, kun AMR:t suorittavat tehtäviä, jotka edellyttävät vuorovaikutusta dynaamisten elementtien kanssa, kuten välttävät muita laitteita tai jopa henkilökuntaa työmaalla. Molempien paikannusjärjestelmien yhdistelmä antaa AMR:ille mahdollisuuden osallistua tehokkaasti rakennusprojektien monimutkaiseen ja dynaamiseen luonteeseen, mikä lisää tehokkuutta ja turvallisuutta.
Autonominen tienhoito: AMR-aineita käytetään yhä enemmän teiden kunnossapitotehtävissä, kuten päällystetarkastuksessa, halkeamien tiivistämisessä ja linjamaalauksessa. Nämä robotit käyttävät absoluuttista paikannusta liikkuakseen valtatie- tai tieosuuksilla, mikä varmistaa, että ne pysyvät kurssilla pitkiä matkoja ja pystyvät vangitsemaan tarkasti tietyt huoltotarpeet. Näitä huoltotehtäviä suorittaessaan ne siirtyvät suhteelliseen paikannukseen tunnistaakseen ja korjatakseen tarkasti tietyt tien epätasaisuudet, maalaavat kaistamerkinnät tarkasti tai navigoivat esteiden ympäri. Tämän kaksoisominaisuuden ansiosta AMR:t voivat hallita tehokkaasti tienhoitotehtäviä ja vähentää samalla ihmisten tarvetta toimia vaarallisissa tienvarsiympäristöissä, mikä parantaa turvallisuutta ja tuottavuutta.
Ympäristön seuranta ja suojelu: Ulkotiloissa AMR:itä käytetään usein ympäristön seurantaan ja suojelutoimiin, kuten villieläinten seurantaan, saasteiden havaitsemiseen ja elinympäristön kartoittamiseen. Nämä robotit hyödyntävät absoluuttista paikannusta navigoidakseen laajoilla luonnonalueilla metsistä rannikkoalueisiin, varmistaen kattavan maaston kattavuuden ja mahdollistavat yksityiskohtaisten paikannuskartoitusten ja -kartoitusten tallentamisen. AMR:t voivat suorittaa tehtäviä, kuten ottaa korkearesoluutioisia kuvia{2}}, kerätä näytteitä tai seurata eläinten liikkeitä tarkalla tarkkuudella, ja ne voivat peittää nämä näytteet ajan mittaan yhtenäisellä tavalla.
Kaikissa yllä olevissa esimerkeissä vaaditaan paljon alle metrin absoluuttinen paikannustarkkuus mahdollisten katastrofaalisten seurausten välttämiseksi. Työntekijävammat, merkittävät tuotehäviöt ja kalliit viivästykset ovat kaikki todennäköisiä ilman tarkkaa sijaintia. Pohjimmiltaan missä tahansa AMR:n on toimittava muutaman senttimetrin sisällä, sillä on oltava sekä suhteellinen että absoluuttinen sijaintiratkaisu.
Tekniikka suhteelliseen paikannukseen
AMR:t hyödyntävät useita antureita paikantaakseen itsensä suhteessa muihin ympäristönsä esineisiin. Näitä ovat:
Kamerat: Kamerat toimivat autonomisten mobiilirobottien visuaalisina antureina, jotka tarjoavat niille välittömän kuvan ympäristöstään samanlaisena kuin ihmissilmät. Nämä laitteet tallentavat monipuolista visuaalista tietoa, jota robotit voivat käyttää kohteen havaitsemiseen, esteiden välttämiseen ja ympäristön kartoittamiseen. Kamerat ovat kuitenkin riippuvaisia riittävästä valaistuksesta, ja huonot sääolosuhteet, kuten sumu, sade tai pimeys, voivat haitata niiden toimintaa. Näiden rajoitusten poistamiseksi kamerat yhdistetään usein pariksi-infrapuna-antureiden kanssa tai ne on varustettu pimeänäköominaisuuksilla, joiden avulla robotit näkevät hämärässä{4}}valossa. Kamerat ovat avainkomponentti visuaalisessa matkan mittauksessa, prosessissa, jossa sijainnin muutokset ajan mittaan lasketaan analysoimalla peräkkäisiä kamerakuvia. Yleensä kamerat vaativat aina huomattavaa käsittelyä muuttaakseen 2D-kuvansa 3D-rakenteiksi.
Tutka-anturit: Tutkaanturit toimivat lähettämällä sykkiviä radioaaltoja, jotka heijastavat esineistä ja antavat tietoa kohteen nopeudesta, etäisyydestä ja suhteellisesta sijainnista. Tämä tekniikka on vankka ja voi toimia tehokkaasti erilaisissa ympäristöolosuhteissa, kuten sateessa, sumussa ja pölyssä, joissa kamerat ja lidar voivat kamppailla. Tutka-anturit tarjoavat kuitenkin yleensä harvempaa tietoa ja pienemmän resoluution verrattuna muihin anturityyppeihin. Tästä huolimatta ne ovat korvaamattomia niiden luotettavuuden vuoksi liikkuvien kohteiden nopeuden havaitsemisessa, mikä tekee niistä erityisen hyödyllisiä dynaamisissa ympäristöissä, joissa muiden yksiköiden liikkeen ymmärtäminen on kriittistä.
Lidar anturit: Lidar eli Light Detection and Ranging on anturitekniikka, joka käyttää laserpulsseja etäisyyksien mittaamiseen ajastamalla valon heijastuksen kohteista. Skannaamalla ympäristöä nopeilla laserpulsseilla lidar luo erittäin tarkkoja ja yksityiskohtaisia 3D-karttoja ympäristöstä. Tämä tekee siitä olennaisen työkalun samanaikaisessa sijainnin ja kartoituksessa (SLAM), jossa robotti rakentaa kartan tuntemattomasta ympäristöstä pitäen samalla kirjaa sijaintistaan kyseisellä kartalla. lidar tunnetaan tarkkuudestaan ja kyvystään toimia hyvin erilaisissa valaistusolosuhteissa, vaikka se voi olla vähemmän tehokas sateessa, lumessa tai sumussa, jossa vesipisarat voivat hajottaa lasersäteitä. Vaikka lidar on kallis tekniikka, sitä suositaan autonomisessa navigoinnissa sen tarkkuuden ja luotettavuuden vuoksi monimutkaisissa ympäristöissä.
Ultraääni anturit: Ultraäänianturit toimivat lähettämällä korkeataajuisia{0}}ääniaaltoja, jotka pomppaavat lähellä olevista kohteista, ja anturi mittaa aikaa, joka kuluu kaiun palautumiseen. Tämän avulla robotti voi laskea etäisyyden esineisiin ja esteisiin sen tiellä. Nämä anturit ovat erityisen hyödyllisiä lyhyen-etäisyyden havaitsemiseen, ja niitä käytetään usein hitaita,-lähietäisyyksiä tehtävissä toimissa, kuten navigoinnissa ahtaissa tiloissa, kuten varastokäytävillä, tai tarkkoihin liikkeisiin, kuten telakointiin tai varmuuskopiointiin. Ultraäänianturit ovat kustannustehokkaita-ja toimivat hyvin erilaisissa olosuhteissa, mutta niiden rajallinen kantama ja hitaampi vasteaika verrattuna lidariin ja kameroihin tarkoittavat, että ne sopivat parhaiten tiettyihin, valvottuihin ympäristöihin, joissa vaaditaan suurta tarkkuutta lähietäisyydeltä.
Absoluuttiseen paikannukseen käytetty perustekniikka alkaa GNSS:stä (termi, joka sisältää GPS:n ja muut satelliittijärjestelmät, kuten GLONASS, Galileo ja BeiDou). Koska ilmakehän olosuhteet ja satelliittien epäjohdonmukaisuudet vaikuttavat GNSS:ään, se voi antaa sijaintiratkaisun, joka on useiden metrien päässä. AMR:ille, jotka vaativat tarkempaa navigointia, tämä ei ole tarpeeksi hyvä – näin ollen ilmaantuu GNSS-korjauksina tunnettu tekniikka, joka kaventaa tämän virheen jopa yhteen senttimetriin.
RTK: Reaaliaikainen kinematiikka (RTK) käyttää tukiasemien verkkoa, joiden sijainnit tunnetaan, vertailupisteinä GNSS-vastaanottimen sijaintiestimaattien korjaamiseen. Niin kauan kuin AMR on 50 kilometrin säteellä tukiasemasta ja sillä on luotettava tietoliikenneyhteys, RTK pystyy tarjoamaan luotettavasti 1–2 senttimetrin tarkkuuden.
SSR tai PPP{0}}RTK: State Space Representation (SSR), jota joskus kutsutaan myös nimellä PPP-RTK, hyödyntää tietoa tukiasemaverkosta, mutta sen sijaan, että se lähettäisi korjauksia suoraan paikalliselta tukiasemalta, se mallintaa virheet laajalla maantieteellisellä alueella. Tuloksena on laajempi peittoalue, joka mahdollistaa paljon yli 50 kilometrin etäisyydet tukiasemasta, mutta tarkkuus putoaa 3-10 senttimetriin tai enemmän verkon tiheydestä ja laadusta riippuen.
Vaikka nämä kaksi lähestymistapaa toimivat poikkeuksellisen hyvin siellä, missä GNSS-signaaleja on saatavilla (yleensä avoin taivas), monet AMR:t kulkevat pois avoimelta taivaalta, jossa AMR:n GNSS-vastaanottimen ja taivaan välillä on este. Tämä voi tapahtua tunneleissa, pysäköintihalleissa, hedelmätarhoissa ja kaupunkiympäristöissä. Tässä inertialavigointijärjestelmät (INS) tulevat peliin inertiaalisen mittausyksikön (IMU) ja Sensor Fusion -ohjelmiston kanssa.
IMU– IMU yhdistää kiihtyvyysmittarit, gyroskoopit ja joskus magnetometrit mittaamaan järjestelmän lineaarista kiihtyvyyttä, kulmanopeutta ja magneettikentän voimakkuutta. Nämä ovat tärkeitä tietoja, joiden avulla INS voi määrittää kohteen sijainnin, nopeuden ja suunnan suhteessa lähtöpisteeseen reaaliajassa.
IMU:n historia juontaa juurensa 1900-luvun alkuun, ja sen juuret ovat laivojen ja lentokoneiden navigointijärjestelmissä käytettävien gyroskooppisten laitteiden kehittämisessä. Ensimmäiset käytännölliset IMU:t kehitettiin toisen maailmansodan aikana ensisijaisesti käytettäväksi ohjusohjausjärjestelmissä ja myöhemmin avaruusohjelmassa. Esimerkiksi Apollo-tehtävät luottivat voimakkaasti IMU:ihin navigoinnissa avaruudessa, missä perinteiset navigointimenetelmät eivät olleet mahdollisia. Vuosikymmenten aikana IMU-tekniikka on kehittynyt merkittävästi elektronisten komponenttien pienentämisen ja Micro-Electro-Mechanical Systems (MEMS) -tekniikan myötä 1900-luvun lopulla. Tämä kehitys on johtanut kompaktimpiin, edullisempiin ja tarkempiin IMU:ihin, mikä mahdollistaa niiden integroinnin moniin kulutuselektroniikkaan, autojärjestelmiin ja teollisuussovelluksiin nykyään.
Sensor Fusion– Sensorin fuusioohjelmisto on vastuussa IMU:n ja muiden antureiden tietojen yhdistämisestä luodakseen yhtenäisen ja tarkan käsityksen AMR:n absoluuttisesta sijainnista, kun GNSS ei ole käytettävissä. Perustoteutukset "täyttävät aukot" reaaliajassa, välillä, kun GNSS-signaali putoaa ja kun AMR ottaa sen takaisin. Anturifuusioohjelmiston tarkkuus riippuu useista tekijöistä, mukaan lukien mukana olevien antureiden laadusta ja kalibroinnista, fuusiossa käytetyistä algoritmeista ja tietystä sovelluksesta tai ympäristöstä, jossa sitä käytetään. Kehittyneempi anturien fuusioohjelmisto pystyy ristiin-korreloimaan eri anturimodaliteetit, mikä johtaa erinomaiseen paikannustarkkuuteen kuin millään ratkaisussa toimivilla antureilla.
RTK for GNSS tarjoaa erittäin tarkan absoluuttisen sijainnin lähteen autonomisille roboteille. Ilman RTK:ta monet robotiikkasovellukset eivät yksinkertaisesti ole mahdollisia tai käytännöllisiä. Useat AMR:t riippuvat senttimetrin -tarkkuudesta absoluuttisesta paikannuksesta, jonka vain RTK voi tarjota, aina rakennusalan mittauskuljettajista itsenäisiin jakeludroneihin ja autonomisiin maataloustyökaluihin.
RTK-ratkaisu on kuitenkin vain niin hyvä kuin sen takana oleva verkko. Jatkuvasti luotettavat korjaukset edellyttävät erittäin tiheää tukiasemien verkkoa, jotta vastaanottimet ovat aina riittävän lähellä tarkkoja virheenkorjauksia. Mitä suurempi verkko, sitä helpompi on saada korjauksia AMR-häiriöihin mistä tahansa. Tiheys ei yksin ole ainoa tekijä. Verkot ovat erittäin monimutkaisia reaaliaikaisia-järjestelmiä, ja ne vaativat ammattimaista seurantaa, kartoitusta ja eheyden tarkistusta varmistaakseen, että AMR:lle lähetettävät tiedot ovat tarkkoja ja luotettavia.
Mitä tämä kaikki tarkoittaa autonomisten robottien kehittäjille? Ainakin ulkosovelluksissa mikään AMR ei ole täydellinen ilman RTK{0}}teholla toimivaa GNSS-vastaanotinta. Tarkimman mahdollisen ratkaisun saamiseksi kehittäjien tulee luottaa tiheimpään ja luotettavimpaan RTK-verkkoon. Ja missä robottien täytyy liikkua usein ihanteellisiin GNSS-signaaliympäristöihin ja niistä ulos, kuten itse-ajoavassa jakeluajoneuvossa, RTK yhdistettynä IMU:hun tarjoaa kattavimman saatavilla olevan absoluuttisen paikannuslähteen.
Mikään autonominen robotiikkasovellus ei ole samanlainen, ja jokainen ainutlaatuinen asennus vaatii oman yhdistelmänsä suhteellisista ja absoluuttisista paikannustiedoista. Huomisen ulkoilma-AMR:n kannalta GNSS vahvalla RTK-korjausverkolla on kuitenkin olennainen osa anturipinoa.