Nopeasti kehittyvällä autonomisen robotiikan alalla navigointi ja paikannus ovat kriittisimpiä ominaisuuksia. Äskettäin Reeman Robotics on julkistanut joukon parannuksia navigointijärjestelmiinsä-, jotka lisäävät merkittävästi kestävyyttä, joustavuutta ja suorituskykyä todellisessa-käytössä. Tässä postauksessa käymme läpi tärkeimmät innovaatiot, miten ne ratkaisevat aiempia haasteita ja mitä ne lupaavat palvelu-, toimitus- ja logistiikkarobottien tulevaisuudelle.
Miksi navigoinnilla on väliä (ja mikä tekee siitä vaikean)
Ennen kuin sukeltaa Reemanin parannuksiin, on hyödyllistä ymmärtää ydinhaasteet, jotka jokaisen mobiilirobottinavigointijärjestelmän on voitettava:
Lokalisointi ja kartoitus- Robotin on tiedettävä missä se on suhteessa maailmanlaajuiseen tai opittuun karttaan (tai rakennettava sellainen lennossa).
Reitin suunnittelu ja uudelleen{0}}suunnittelu- Ottaen huomioon robotin sijainnin ja kohteen, sen on suunniteltava turvallinen ja tehokas reitti. kun esteitä tai muutoksia ilmenee, sen on suunniteltava uudelleen-dynaamisesti.
Havainto ja esteiden välttäminen- Antureiden on tunnistettava luotettavasti staattiset ja dynaamiset esteet, jopa valaistuksen vaihtuessa, sotkussa, tukkeutuessa tai anturin kohinassa.
Anturin fuusio ja kestävyys- Yksittäisillä antureilla (esim. vain laserilla tai vain visiolla) on yleensä vikatiloja. Tukevat järjestelmät yhdistävät useita antureita ja käsittelevät heikentyneet tulot sulavasti.
Sopeutuminen ympäristön muutoksiin- Sisätilojen asettelumuutokset (esim. huonekalujen siirrot, tungosta), valaistuksen vaihtelut tai usean-lattian siirtymät lisäävät monimutkaisuutta.
Reeman on pitkään yhdistänyt roboteissaan teknologioita, kuten LiDAR, vision, SLAM ja paljon muuta. (- REEMAN Robot) Heidän viimeaikaiset optimointinsa vahvistavat näitä ominaisuuksia entisestään.
Tärkeimmät päivitykset Reemanin optimoituun navigointiin
Tässä ovat Reemanin esittelemät edistysaskeleet:
1. Kaksois LiDAR täydelle 360 asteen havainnolle
Yksi näkyvimmistä laitteistopäivityksistä onFly Boat AMRalusta, jossa Reeman siirtyi yhdestä LiDARista avinosti sijoitettu kaksois{0}}LiDAR-asetussaavuttaa 360 asteen peiton ja poistaa kuolleet kulmat. (reemanrobot.com) Tämä on erityisen tärkeää tiheissä, dynaamisissa ympäristöissä (varastot, tehtaat), joissa esteitä saattaa ilmaantua mistä tahansa suunnasta.
2. Parannettu esteiden välttäminen 3D-havainnolla
Tasomaisten LiDAR-skannausten lisäksi Reemanin "autonominen esteen välttäminen 3D-navigointi" -moduuli sisältää monipuolisemman 3D-tunnistuksen (esim. syvyyskamerat tai LiDAR-pistepilvet) esteiden korkeuden, muodon ja lentoradan arvioimiseksi. (reeman.en.made-in-china.com) Tämä mahdollistaa turvallisemmat liikkeet ja tasaisemmat polun korjaukset, erityisesti pystysuunnassa vaihtelevissa ympäristöissä.
3. Navigointialgoritmin versio 3.0: Smarter Delivery Logic
Ravintola- ja palveluasetuksissa Reemanin uutta3.0 navigointialgoritmikorjaa aiemmin yleisen ongelman: kun kohdepiste on varattu (esim. pöytä on tilapäisesti tukossa), robotit vaelsivat joskus päämäärättömästi paikan lähellä. Päivitys antaa heille mahdollisuudenpysäköidä älykkäästilähelle toimituspistettä värähtelemisen sijaan. (reemanrobot.com) Lisäksi usean-robotin asetuksissa järjestelmä voi merkitä "ruuhka-alueet" ja reitittää robotteja välttääkseen liikenteen pullonkauloja dynaamisesti. (reemanrobot.com)
4. Vahvempi SLAM & Sensor Fusion
Reemanin navigointipino luottaa edelleen SLAM:iin (Simultaneous Localization and Mapping) reaaliaikaisessa{0}}kartoinnissa ja lokalisoinnissa. (- REEMAN Robot) Uusimmat optimoinnit parantavat entisestään kartan vakautta, silmukan sulkeutumisen havaitsemista ja lokalisoinnin poikkeaman korjaamista yhdistämällä LiDAR-, visio- ja inertiatiedot. Vahvempi fuusio tarkoittaa, että järjestelmä pystyy paremmin käsittelemään ympäristön vaihteluita (valaistuksen muutos, ohimenevät esteet jne.).
5. Älykkäämpi ajoitus ja usean-robotin koordinointi
Navigointi ei ole vain yhden robotin polkua: monissa käyttöönottoskenaarioissa useat robotit jakavat tilan. Reemanin parannettu keskuslähetysjärjestelmä tukeeusean{0}}robotin yhteistyö, reitin suunnittelu robottien välillä, dynaaminen mahdollisten ruuhkien välttäminen ja prioriteettien ajoitus. (reemanrobot.com) Tämä on erityisen hyödyllistä tiheissä ympäristöissä, kuten ravintoloissa, varastoissa tai tuotantotiloissa.
6. Parempi liikkuvuus ja sopeutuminen
Reeman on myös säätänyt fyysistä liikkuvuutta täydentämään navigointia: Fly Boat AMR käyttää nytisommat monisuuntaiset pyörät(4 tuumaa vs. 3 tuumaa), jotta kynnykset, lattian epätasaisuudet ja pienet esteet voidaan käsitellä paremmin. (reemanrobot.com) Parannettu pyörän rakenne parantaa navigoinnin vakautta siirryttäessä pintojen poikki tai astuttaessa/poistuttaessa hisseihin.
Todellinen-Maailman vaikutus: käyttötapauksia ja suorituskyvyn kasvu
Tekniset päivitykset tuovat konkreettisia etuja todellisissa käyttöönotoissa:
Ravintoloissa jakelurobotit välttävät juuttumista, kun polut tai määränpäät ovat tilapäisesti tukossa. (reemanrobot.com)
Tehtaissa, Reeman'sIso koira AMRon käytetty monikerroksisissa vaatetehtaissa: se ajaa itsenäisesti hisseissä, navigoi kerrosten poikki, suunnittelee optimaaliset polut ja parantaa tuotantonopeutta ~30 %. (- REEMAN-robotti)
Varasto- ja logistiikka-asetuksissa Fly Boat AMR:n täysi 360 asteen esteiden tunnistus ja parannettu kartoitus auttavat vähentämään törmäyksiä tai pysähdyksiä ja ylläpitämään sujuvaa virtausta monimutkaisissa asetteluissa. (reemanrobot.com)
Yhdessä nämä parannukset tekevät Reeman-roboteista enemmänkestävä ympäristömuutoksia vastaan, tehokas dynaamisissa skenaarioissa, jahelpompi ottaa käyttöön eri paikoissailman laajaa mukautettua säätämistä.
Haasteet, kompromissit ja tulevaisuuden suunnat
Vaikka parannukset ovat merkittäviä, joitain haasteita ja kompromisseja on jäljellä:
Kustannukset ja monimutkaisuus: Kahden LiDAR:n, monipuolisempien antureiden ja enemmän laskentaa lisääminen lisää kustannuksia ja virrankulutusta.
Anturin vikasietokyky: Järjestelmän on pysyttävä kestävänä, jos yksi anturi huononee tai vioittuu.
Muuttuvat ympäristöt ja{0}}pitkäaikainen ajautuminen: Pitkällä aikavälillä ympäristöt muuttuvat (huonekaluja siirretty, valaistus muuttuu). Jatkuvaa uudelleen-kartoitusta tai mukauttamista tarvitaan.
Skaalautuvuus ruuhkaisissa tiloissa: Robottiliikenteen lisääntyessä{0}}reaaliaikainen koordinointi monimutkaistuu.
Ulkoinen laajennus: Vaikka Reeman keskittyy pitkälti sisä-/logistiikka-/palveluasetuksiin, navigoinnin laajentaminen puoli{0}}ulko- tai vaihteleviin valaistusasetuksiin on vaikeampaa.
Tulevaisuudessa lupaavia ohjeita ovat mm.
Oppimiseen perustuva{0}}navigointi(esim. vahvistava oppiminen tai päästä-päähän-havainto-to-hallinta) mukautuaksesi uusiin ympäristöihin.
Mukautuva karttapäivitysjossa robotti päivittää automaattisesti karttaansa ympäristön muutosten mukaan.
Korkeamman-tason päättelykuten ihmisen liikkeen ennakointi, ennakoiva polun suunnittelu tai yhteiskäyttöinen usean{0}}agentin navigointi.
Energiatietoinen{0}}navigointi, optimoimalla reittejä etäisyyden/ajan lisäksi akun käytön tai latausaikataulujen mukaan.