Kako roboti postaju samodostatniji, moraju se kretati okolinom s većom neovisnošću i pouzdanošću. Autonomni traktori, poljoprivredni kombajni i strojevi za sjetvu moraju se pažljivo probijati kroz polja s usjevima, dok samovozeća dostavna vozila moraju sigurno prelaziti ulicama kako bi postavili pakete na pravo mjesto. U širokom rasponu primjena, autonomni mobilni roboti (AMR) zahtijevaju vrlo precizne izvore pozicioniranja kako bi sigurno i uspješno dovršili poslove za koje su dizajnirani.
Postizanje takve preciznosti zahtijeva dva skupa mogućnosti lokacije. Jedan je razumjeti relativni položaj sebe u odnosu na druge objekte. To daje kritične podatke za razumijevanje svijeta oko sebe i, u najočiglednijem slučaju, za izbjegavanje prepreka koje su i nepomične iu pokretu. Ovo dinamičko manevriranje zahtijeva opsežnu hrpu navigacijskih senzora poput kamera, radara, lidara i pratećeg softvera za obradu ovih signala i davanje smjera AMR-u u stvarnom vremenu.
Drugi skup mogućnosti je da AMR razumije svoju točnu fizičku lokaciju (ili apsolutnu lokaciju) u svijetu kako bi mogao precizno i opetovano kretati putanjom koja je programirana u uređaju. Očigledan slučaj korištenja ovdje je visokoprecizna poljoprivreda, gdje različiti AMR-ovi moraju putovati istom uskom stazom tijekom mnogo mjeseci kako bi sadili, navodnjavali i želi usjeve, pri čemu svaki prolaz zahtijeva da AMR svaki put referencira isto točno mjesto .
To zahtijeva drugačiji skup navigacijskih mogućnosti, počevši od Globalnih satelitskih navigacijskih sustava (GNSS), koje cijeli ekosustav senzora i softvera koristi. Poboljšanje GNSS-a su mogućnosti korekcija kao što su RTK i SSR koje pomažu postići 100x veću preciznost od samog GNSS-a za aplikacije otvorenog neba, i Inercijalne mjerne jedinice u kombinaciji sa softverom za spajanje senzora za navigaciju tamo gdje GNSS nije dostupan (mrtvo računanje).
Prije nego što zaronimo u ove tehnologije, posvetimo trenutak promatranju slučajeva upotrebe gdje su potrebne i relativne i apsolutne lokacije da bi AMR radio svoj posao.
Aplikacije robotike koje zahtijevaju relativno i apsolutno pozicioniranje
AMR-ovi otkrivaju ono što ljudi uzimaju zdravo za gotovo - urođenu sposobnost da se točno lociraju u svijetu i poduzmu precizne radnje na temelju tih informacija. Što su aplikacije za AMR-ove raznolikije, to više otkrivamo koje vrste radnji zahtijevaju izuzetnu preciznost. Neki primjeri uključuju:
Poljoprivredna automatizacija: U poljoprivredi, AMR-ovi postaju sve češći za zadatke poput sadnje, žetve i praćenja usjeva. Ovi roboti koriste apsolutno pozicioniranje, obično putem GPS-a, za precizno navigiranje velikim i često neravnim poljima. To osigurava da mogu sustavno pokrivati ogromna područja i po potrebi se vraćati na određena mjesta. Međutim, kada se nađu u blizini usjeva ili unutar određenog područja, AMR-ovi se oslanjaju na relativno pozicioniranje za zadatke koji zahtijevaju višu razinu točnosti, kao što je branje voća koje je moglo narasti ili promijeniti položaj otkako ga je AMR posljednji put posjetio. Kombinirajući obje metode pozicioniranja, ovi roboti mogu učinkovito raditi u izazovnim i promjenjivim okruženjima tipičnim za poljoprivredna polja.
Dostava do zadnje milje u urbanim uvjetima: AMR-ovi transformiraju dostavu zadnje milje u urbanim sredinama autonomnim prijevozom robe od distribucijskih centara do krajnjih odredišta. Ovi roboti koriste apsolutno pozicioniranje za navigaciju gradskim ulicama, uličicama i složenim urbanim rasporedima, osiguravajući da slijede optimizirane rute dok izbjegavaju promet i pridržavaju se rasporeda dostave. Nakon što stignu u blizinu mjesta isporuke, AMR-ovi će također koristiti relativno pozicioniranje za manevriranje oko promjenjivih ili neočekivanih prepreka, kao što je vozilo koje je dvostruko parkirano na ulici. Ovaj dvostruki pristup omogućuje AMR-ovima da se nose sa zamršenostima urbanih krajolika i vrše precizne isporuke izravno do kućnog praga kupaca.
Automatizacija gradilišta: Na gradilištima se koriste AMR-ovi kako bi se osiguralo da je projekt izgrađen prema točnim specifikacijama koje su odredili inženjeri. Oni također pomažu u zadacima poput prijevoza materijala i mapiranja ili istraživanja okoliša. Ova mjesta često obuhvaćaju velika područja s okruženjima koja se stalno mijenjaju, zahtijevajući od AMR-ova korištenje apsolutnog pozicioniranja za navigaciju i održavanje orijentacije unutar cjelokupnog mjesta projekta. Relativno pozicioniranje dolazi u obzir kada AMR-ovi obavljaju zadatke koji zahtijevaju interakciju s dinamičkim elementima, kao što je izbjegavanje druge opreme ili čak osoblja na gradilištu. Kombinacija obaju sustava za pozicioniranje omogućuje AMR-u da učinkovito pridonese složenoj i dinamičnoj prirodi građevinskih projekata, povećavajući učinkovitost i sigurnost.
Autonomno održavanje cesta: AMR-ovi se sve više koriste u zadacima održavanja cesta kao što su pregled kolnika, brtvljenje pukotina i bojanje linija. Ovi roboti koriste apsolutno pozicioniranje za putovanje dionicama autoceste ili cesta, osiguravajući da ostanu na kursu na velikim udaljenostima i mogu precizno uhvatiti određene lokacije na kojima je potrebno održavanje. Prilikom obavljanja ovih zadataka održavanja, oni se prebacuju na relativno pozicioniranje kako bi točno identificirali i riješili određene nedostatke na cesti, precizno obojili oznake traka ili obišli prepreke. Ova dvostruka sposobnost omogućuje AMR-ovima da učinkovito upravljaju zadacima održavanja cesta uz istovremeno smanjenje potrebe za ljudskim radnicima da rade u opasnim okruženjima uz cestu, poboljšavajući sigurnost i produktivnost.
Praćenje i očuvanje okoliša: U vanjskim okruženjima, AMR-ovi se često koriste za praćenje okoliša i napore za očuvanje kao što su praćenje divljih životinja, otkrivanje onečišćenja i kartiranje staništa. Ovi roboti iskorištavaju apsolutno pozicioniranje za navigaciju golemim prirodnim područjima, od šuma do obalnih regija, osiguravajući sveobuhvatnu pokrivenost terena i omogućujući snimanje detaljnih pregleda mjesta i mapiranje. AMR-ovi mogu obavljati zadatke poput snimanja slika visoke razlučivosti, prikupljanja uzoraka ili praćenja kretanja životinja s vrhunskom preciznošću i mogu preklapati te uzorke tijekom vremena na kohezivan način.
U svim gornjim primjerima potrebna je apsolutna točnost pozicioniranja mnogo manja od jednog metra kako bi se izbjegle potencijalno katastrofalne posljedice. Ozljede radnika, znatni gubici proizvoda i skupa kašnjenja vjerojatni su bez točne lokacije. U biti, gdje god AMR treba raditi unutar nekoliko centimetara, zahtijevat će da ima rješenja za relativnu i apsolutnu lokaciju.
Tehnologija za relativno pozicioniranje
AMR-ovi koriste brojne senzore kako bi se locirali u odnosu na druge objekte u svom okruženju. To uključuje:
Fotoaparati: Kamere funkcioniraju kao vizualni senzori autonomnih mobilnih robota, pružajući im trenutnu sliku okoline slično načinu na koji rade ljudske oči. Ovi uređaji hvataju bogate vizualne informacije koje roboti mogu koristiti za otkrivanje objekata, izbjegavanje prepreka i mapiranje okoline. Međutim, kamere ovise o odgovarajućem osvjetljenju i mogu biti ometene nepovoljnim vremenskim uvjetima poput magle, kiše ili mraka. Kako bi se riješila ta ograničenja, kamere su često uparene sa senzorima bliskim infracrvenim zračenjima ili su opremljene mogućnostima noćnog vida, što robotima omogućuje da vide u uvjetima slabog osvjetljenja. Kamere su ključna komponenta u vizualnoj odometriji, procesu u kojem se promjene položaja tijekom vremena izračunavaju analizom uzastopnih slika kamera. Općenito, kamere uvijek zahtijevaju značajnu obradu za pretvaranje svojih 2-D slika u 3-D strukture.
Radarski senzori: Radarski senzori rade emitiranjem pulsirajućih radiovalova koji se odbijaju od objekata, dajući informacije o brzini objekta, udaljenosti i relativnom položaju. Ova je tehnologija robusna i može učinkovito funkcionirati u različitim uvjetima okoline, uključujući kišu, maglu i prašinu, gdje bi kamere i lidar mogli imati poteškoća. Međutim, radarski senzori obično nude rijeđe podatke i nižu razlučivost u usporedbi s drugim tipovima senzora. Unatoč tome, neprocjenjivi su zbog svoje pouzdanosti u otkrivanju brzine pokretnih objekata, što ih čini osobito korisnim u dinamičnim okruženjima gdje je razumijevanje kretanja drugih entiteta ključno.
Lidar senzori: Lidar, ili Light Detection and Ranging, tehnologija je senzora koja koristi laserske impulse za mjerenje udaljenosti mjerenjem vremena refleksije svjetlosti od objekata. Skeniranjem okoline brzim laserskim impulsima, lidar stvara vrlo precizne, detaljne 3D karte okoline. To ga čini bitnim alatom za istovremeno lociranje i mapiranje (SLAM), gdje robot gradi kartu nepoznatog okruženja dok prati svoju lokaciju unutar te karte. lidar je poznat po svojoj preciznosti i sposobnosti da dobro funkcionira u različitim uvjetima osvjetljenja, iako može biti manje učinkovit na kiši, snijegu ili magli, gdje kapljice vode mogu raspršiti laserske zrake. Unatoč tome što je skupa tehnologija, lidar je omiljen u autonomnoj navigaciji zbog svoje točnosti i pouzdanosti u složenim okruženjima.
Ultrazvučni senzori: Ultrazvučni senzori funkcioniraju emitiranjem visokofrekventnih zvučnih valova koji se odbijaju od obližnjih objekata, pri čemu senzor mjeri vrijeme koje je potrebno da se jeka vrati. To omogućuje robotu da izračuna udaljenost do objekata i prepreka na svom putu. Ovi senzori su posebno korisni za otkrivanje na kratkom dometu i često se koriste u sporim aktivnostima na maloj udaljenosti kao što je navigacija unutar tijesnih prostora poput skladišnih prolaza ili za precizne manevre poput pristajanja ili vožnje unatrag. Ultrazvučni senzori su isplativi i dobro rade u različitim uvjetima, ali njihov ograničeni domet i sporije vrijeme odziva u usporedbi s lidarima i kamerama znače da su najprikladniji za specifična, kontrolirana okruženja gdje je potrebna velika preciznost na neposrednoj blizini.
Osnovna tehnologija koja se koristi za apsolutno pozicioniranje počinje s GNSS-om (pojam koji uključuje GPS i druge satelitske sustave kao što su GLONASS, Galileo i BeiDou). S obzirom na to da na GNSS utječu atmosferski uvjeti i nedosljednosti satelita, on može dati rješenje položaja koje je odmaknuto za mnogo metara. Za AMR-ove koji zahtijevaju precizniju navigaciju, to nije dovoljno dobro – stoga se pojavila tehnologija poznata kao GNSS korekcije koja ovu pogrešku sužava na samo jedan centimetar.
RTK: Kinematika u stvarnom vremenu (RTK) koristi mrežu baznih stanica s poznatim pozicijama kao referentne točke za ispravljanje procjena lokacije GNSS prijemnika. Sve dok je AMR unutar 50 kilometara od bazne stanice i ima pouzdanu komunikacijsku vezu, RTK može pouzdano pružiti 1–2-centimetarsku točnost.
SSR ili PPP-RTK: State Space Representation (SSR), koji se ponekad naziva i PPP-RTK, koristi informacije iz mreže baznih stanica, ali umjesto da šalje ispravke izravno s lokalne bazne stanice, modelira pogreške na širokom geografskom području. Rezultat je šira pokrivenost koja omogućuje udaljenosti daleko veće od 50 km od bazne stanice, ali točnost pada na 3-10 centimetara ili više, ovisno o gustoći i kvaliteti mreže.
Dok ova dva pristupa rade iznimno dobro tamo gdje su GNSS signali dostupni (općenito otvoreno nebo), mnogi AMR-ovi će putovati dalje od otvorenog neba, gdje postoji prepreka između GNSS prijemnika na AMR-u i neba. To se može dogoditi u tunelima, garažama, voćnjacima i urbanim sredinama. Ovdje Inercijalni navigacijski sustavi (INS) stupaju na scenu sa svojom Inercijalnom mjernom jedinicom (IMU) i softverom Sensor Fusion.
IMU– IMU kombinira akcelerometre, žiroskope i ponekad magnetometre za mjerenje linearne akceleracije sustava, kutne brzine i jakosti magnetskog polja. Ovo su ključni podaci koji INS-u omogućuju određivanje položaja, brzine i orijentacije objekta u odnosu na početnu točku u stvarnom vremenu.
Povijest IMU-a seže u rano 20. stoljeće, s korijenima u razvoju žiroskopskih uređaja koji se koriste u navigacijskim sustavima za brodove i zrakoplove. Prvi praktični IMU-ovi razvijeni su tijekom Drugog svjetskog rata, prvenstveno za korištenje u sustavima za navođenje projektila, a kasnije u svemirskom programu. Na primjer, misije Apollo uvelike su se oslanjale na IMU za navigaciju u svemiru, gdje tradicionalne metode navigacije nisu bile izvedive. Tijekom desetljeća, IMU tehnologija značajno je napredovala, potaknuta minijaturizacijom elektroničkih komponenti i pojavom tehnologije mikro-elektro-mehaničkih sustava (MEMS) u kasnom 20. stoljeću. Ova evolucija dovela je do kompaktnijih, pristupačnijih i preciznijih IMU-ova, omogućujući njihovu integraciju u širok raspon potrošačke elektronike, automobilskih sustava i današnjih industrijskih aplikacija.
Fuzija senzora– Softver za spajanje senzora odgovoran je za kombiniranje podataka iz IMU-a, kao i drugih senzora kako bi se stvorilo kohezivno i točno razumijevanje apsolutne lokacije AMR-a kada GNSS nije dostupan. Najosnovnije implementacije "popunjavaju praznine" u stvarnom vremenu, između trenutka kada se GNSS signal ispusti i kada ga AMR ponovno uhvati. Točnost softvera za spajanje senzora ovisi o nekoliko čimbenika, uključujući kvalitetu i kalibraciju uključenih senzora, algoritme koji se koriste za spajanje i specifičnu aplikaciju ili okruženje u kojem se koristi. Sofisticiraniji softver za spajanje senzora može unakrsno korelirati različite modalitete senzora, što rezultira superiornom pozicionom preciznošću od bilo kojeg senzora u rješenju koji radi samostalno.
RTK za GNSS pruža vrlo precizan izvor apsolutne lokacije za autonomne robote. Međutim, bez RTK-a mnoge primjene robotike jednostavno nisu moguće ili praktične. Od rovera za građevinska istraživanja do autonomnih bespilotnih letjelica za dostavu i autonomnih poljoprivrednih alata, brojni AMR-ovi ovise o apsolutnom pozicioniranju točnosti centimetra koje samo RTK može pružiti.
Ipak, RTK rješenje je onoliko dobro koliko je dobra mreža koja stoji iza njega. Dosljedno pouzdane korekcije zahtijevaju vrlo gustu mrežu baznih stanica tako da su prijamnici uvijek unutar dovoljno blizu dometa za točne korekcije grešaka. Što je veća mreža, lakše je dobiti ispravke za AMR s bilo kojeg mjesta. Sama gustoća nije jedini faktor. Mreže su vrlo komplicirani sustavi u stvarnom vremenu i zahtijevaju profesionalni nadzor, mjerenje i provjeru integriteta kako bi se osiguralo da su podaci koji se šalju AMR-u točni i pouzdani.
Što sve to znači za programere autonomnih robota? Barem kada je riječ o vanjskim primjenama, nijedan AMR nije potpun bez GNSS prijemnika s RTK napajanjem. Za najtočnije moguće rješenje, programeri bi se trebali osloniti na najgušću i najpouzdaniju RTK mrežu. A tamo gdje se roboti moraju često kretati unutar i izvan idealnih okruženja GNSS signala, kao što je samovozeće dostavno vozilo, RTK u kombinaciji s IMU pruža najopsežniji dostupni izvor apsolutnog pozicioniranja.
Ne postoje dvije iste aplikacije autonomne robotike, a svaka jedinstvena postavka zahtijeva vlastitu kombinaciju informacija o relativnom i apsolutnom pozicioniranju. Međutim, za vanjske AMR-ove sutrašnjice, GNSS s robusnom RTK mrežom korekcija bitna je komponenta skupa senzora.