Der autonome Positionierungs- und Navigationsroboter kann sich frei bewegen und ist darauf angewiesen

May 30, 2023 Eine Nachricht hinterlassen

Derzeit werden in einigen Städten und Familien logistische intelligente Handhabungsroboter, Kehrroboter usw. eingesetzt, unbemannte Luftfahrzeuge, unbemannte Fahrzeuge usw. werden ebenfalls rasch gefördert, der Grund, warum diese Roboter schnell in die Anwendungsphase eintreten können, und die Die Entwicklung der autonomen Positionierungs- und Navigationstechnologie ist untrennbar miteinander verbunden.

 

Kürzlich veröffentlichte iResearch, eine Tochtergesellschaft von iresearch Consulting, ihre Zusammenfassung der „TOP10 globalen KI-Durchbruchstechnologien im Jahr 2018“, darunter auch die autonome Navigationstechnologie für Roboter, die auf grenzüberschreitender Multisensor-Fusion basiert. Was ist autonome Positionierungs- und Navigationstechnologie für Roboter? Derzeit gibt es mehrere technische Möglichkeiten, die autonome Positionierung und Navigation von Robotern zu realisieren. Welche Schwierigkeiten und Herausforderungen gibt es bei der Umsetzung dieser Technologien und Anwendungen?

 

Grundlegend: Sicht und Radar sind die primären Sensoren

Man kann sagen, dass die autonome Positionierungs- und Navigationstechnologie zu einem der Kern- und Schwerpunkte von Roboterprodukten geworden ist. Dr. Du Mingfang, ein Expertenmitglied der Chinesischen Gesellschaft für Automatisierung und des Internet Industry Research Institute der Tsinghua-Universität, erklärte gegenüber Sci-Tech Daily, dass autonome Navigation zwei Teile umfasst: lokale Navigation und globale Navigation aus einer großen Perspektive. Lokale Navigation bezieht sich auf die Echtzeiterfassung aktueller Umgebungsinformationen durch Bild-, Radar-, Ultraschall- und andere Sensoren, die Extraktion von Datenfusionsfunktionen und die Verarbeitung intelligenter Algorithmen, um die Beurteilung des aktuellen passierbaren Bereichs und die Verfolgung mehrerer Ziele zu erreichen. Globale Navigation bezieht sich hauptsächlich auf die Verwendung globaler Navigationsdaten, die von GPS bereitgestellt werden, um eine globale Pfadplanung durchzuführen und die Pfadnavigation im Rahmen einer vollständigen elektronischen Karte zu realisieren.

 

„Derzeit sind Vision und Radar die beiden wichtigsten Sensoren für die lokale autonome Navigation.“ Du Mingfang erklärte, dass die Vorteile des visuellen Sensors als passiver Sensor erheblich sind, wie z. B. umfassender Zugang zu Informationen, gute Tarnung, geringe Größe, keine „Umweltverschmutzung“ aufgrund von Interferenzen und niedrige Kosten im Vergleich zu Radar. Um eine autonome Navigation zu realisieren, ist es üblich, dass verschiedene Sensoren zusammenarbeiten, um verschiedene Umgebungsinformationen wie Straßengrenzen, Geländemerkmale, Hindernisse, Orientierungspunkte usw. zu identifizieren. Auf diese Weise kann der Roboter bestimmen Durch Umgebungswahrnehmung können Sie den erreichbaren oder nicht erreichbaren Bereich in Vorwärtsrichtung ermitteln, seine relative Position in der Umgebung bestätigen, die Bewegung dynamischer Hindernisse vorhersagen und eine Grundlage für die lokale Pfadplanung bereitstellen.

 

Du Mingfang sagte Reportern, dass aus der aktuellen Entwicklungssituation die Multisensor-Informationsfusionstechnologie auf das autonome Navigationssystem angewendet wurde und ihre Rolle auch mit der intelligenten Ebene des Roboters zusammenhängt. „Der Kern der Navigationstechnologie besteht darin, dass sie die von mehreren Sensoren gesammelten Informationen effektiv verarbeiten und zusammenführen, die Widerstandsfähigkeit des Roboters gegenüber unsicheren Informationen verbessern, die Verwendung zuverlässigerer Informationen sicherstellen und dabei helfen kann, die Umgebung intuitiver einzuschätzen.“ ." "Er sagte.

 

Die visuelle Navigation wurde erfolgreich auf die Navigation von Flugzeugen in geringer Höhe, die Navigation unbemannter Luftfahrzeuge und die Landungsnavigation eines Mars-Rovers angewendet. Du Mingfang sagte jedoch auch, dass die von visuellen Sensoren bereitgestellten Informationen nicht direkt seien, der Bedarf an Rechenleistung und Speicher groß sei und die Belastung durch die Netzwerkübertragung groß sei. Die Informationsfusion mehrerer Sensoren kann die Unsicherheit bei der Roboterpositionierung und -navigation beseitigen und die Genauigkeit verbessern, aber eine übermäßige Fusion führt auch zu einer Verdoppelung des Rechenaufwands.

 

Wie können diese Probleme gelöst werden? Du Mingfang glaubt, dass die Wahl des richtigen Fusionsalgorithmus der Schlüssel ist. Gegenwärtig „werden immer mehr grundlegende Theorien wie die Theorie des intelligenten Rechnens und die Wahrscheinlichkeitstheorie auf das Gebiet der Roboter-Multisensorfusion angewendet.“ "Er sagte.

 

Methode: Eine Vielzahl von Technologiekombinationen, um komplementäre Vorteile zu erzielen

Welche Möglichkeiten gibt es, die autonome Positionierung und Navigation von Robotern zu realisieren? Tatsächlich sind das autonome Fahren von Autos und die teilweise autonome Positionierungs- und Navigationstechnologie von Robotern konsistent. Chen Jinpei, CEO von Chihiro Position, sagte Reportern, dass das Unternehmen eine Kombination aus Lidar-Positionierung, Navigation und Sensortechnologie einsetzt, um eine Positionierungsgenauigkeit von etwa einem Meter zu erreichen und die anfängliche Positionierung in drei Sekunden abzuschließen.

 

Bei der sogenannten Lidar-Navigation wird ein Laserreflektor mit präziser Position rund um den Fahrweg installiert. Der Roboter sendet einen Laserstrahl durch den Laserscanner und sammelt den vom Reflektor reflektierten Laserstrahl, um seine aktuelle Position und seinen Kurs zu bestimmen, und realisiert die Führung durch kontinuierliche dreieckige geometrische Operation. Neben Entfernungs- und Positionierungsfunktionen verfügt Lidar auch über die Funktionen Identifizierung und Hindernisvermeidung.

 

Du Mingfang sagte, dass Lidar ein aktiver Sensor sei und die von ihm bereitgestellten Wahrnehmungsdaten viel einfacher und direkter als visuelle Informationen seien und bei der Verarbeitung weniger Berechnungen erforderlich seien. Der Nachteil sind jedoch die hohen Kosten, die schlechte Verschleierung, die „Verschmutzung“ der Umwelt und die unzureichende Informationsfülle.

Es versteht sich, dass Sunings autonome Navigation für Roboter und unbemannte Fahrzeuge einen weiteren „Mehrlinien-Lidar plus GPS plus Trägheitsnavigation und andere Multisensor-Fusionspositionierungsmodi“ übernimmt. Konkret wird zunächst Lidar für die Umgebungskartierung verwendet, um eine vorherige Punktwolkenkarte zu erhalten, und die globale Position der Maschine wird zunächst über GPS und Trägheitsnavigation bestimmt. Anschließend werden die Lidar-Scandaten mit der vorherigen Punktwolkenkarte abgeglichen, um eine genauere globale Position zu erhalten und eine genaue Positionierung und autonome Navigation zu erreichen. Auf der Wahrnehmungsebene integriert Lidar die Sicht, um Fußgänger, Fahrzeuge und Hindernisse in ihrer Umgebung in Echtzeit zu identifizieren und so eine Grundlage für die Planung des optimalen Umleitungspfads zu schaffen.

 

Darüber hinaus gibt es die Trägheitsnavigation, die sich auf die Installation eines Gyroskops am Roboter oder unbemannten Fahrzeug, die Installation eines Positionierungsblocks auf dem Boden im Fahrbereich, die Berechnung des Gyroskopabweichungssignals (Winkelrate) und die Erfassung bezieht Bodenpositionierungsblocksignal, um ihre eigene Position und Richtung zu bestimmen, um so eine Führung zu erreichen. Der Verantwortliche von Suning sagte in einem Interview mit Science and Technology Daily, dass die Trägheitsnavigationstechnologie eine genaue Positionierung, einen geringen Arbeitsaufwand für die Bodenbearbeitung und eine hohe Pfadflexibilität biete. Allerdings sind die Herstellungskosten hoch und die Präzision und Zuverlässigkeit der Führung hängen eng mit der Herstellungsgenauigkeit des Gyroskops und seiner anschließenden Signalverarbeitung zusammen. Kurz gesagt, ein technisches Mittel kann nicht alle Probleme lösen.

 

Herausforderungen: Zu lösende Probleme in Bezug auf Stromverbrauch, Kosten und Industrialisierung

Gegenwärtig ist die Anwendung autonomer Positionierungs- und Navigationsroboter hauptsächlich in zwei Kategorien unterteilt: Die eine ist die Familiennutzung von Kehrrobotern und die Familienpflege, Begleitroboter. Chen Shikai, CEO von Silan Technology, sagte, dass solche Anwendungsszenarien als „Nullkonfiguration“ zusammengefasst werden können. Im Hinblick auf die Verbrauchernutzung sollten sie so einfach wie möglich sein und beim Rückkauf verwendet werden können. Die andere Möglichkeit besteht im kommerziellen Szenario, das einen Vorkonfigurationsprozess mit hoher Zuverlässigkeit und Skalierbarkeit erfordert.

 

Chen Shikai sagte, dass das persönliche Navigations- und Positionierungssystem für Heimszenen die Herausforderungen in Bezug auf Stromverbrauch, Volumen und Kosten lösen sollte. Gegenwärtig weisen sowohl der Echtzeit-Lokalisierungs- und Kartenkonstruktionsalgorithmus (SLAM) als auch das Pfadplanungssystem eine hohe Komplexität auf. „Bei einem Roboter, der den Boden fegt, hat der Akku selbst möglicherweise nur eine Kapazität von mehr als 20 Wattstunden. Wenn man einen Laptop darauf stellt, um den SLAM-Algorithmus auszuführen, kann es sein, dass ihm in weniger als einer Stunde der Strom ausgeht ist völlig inakzeptabel.“

 

Darüber hinaus kennt der neue Roboter beim ersten Einschalten die Struktur der häuslichen Umgebung nicht und muss sie im Voraus abbilden. „Das ist ein Widerspruch“, sagte Chen. Von Robotern wird erwartet, dass sie sofort funktionieren, wenn sie sich in der Umgebung befinden, aber gängige Algorithmen benötigen auch eine vorgefertigte oder erforschte Umgebung, und in diesem Bereich „gibt es für die Industrie noch einiges zu tun“. Beispielsweise könne ein anfänglicher Pfad geplant werden, und der Pfad könne schrittweise verfeinert und verbessert werden, während der Roboter verwendet und erkundet werde, sagte Chen.

 

In kommerziellen oder professionellen Szenarien besteht die Schwierigkeit autonomer Navigationssysteme darin, dass der Kartenbereich in kommerziellen Szenarien groß ist, sogar mehr als Zehntausende Quadratmeter. „Derzeit sind SLAM-Systeme speicher- und rechenintensiv. Wie man es in einer so großen Szene zum Laufen bringt, ist eine große Herausforderung für Navigations- und Positionierungssysteme.“ Die Lösung, sagte Herr Chen, bestehe in leistungsstarker Hardware sowie einer besseren Optimierung von Software und Algorithmen. „Derzeit sollte ein qualifiziertes Navigations- und Positionierungssystem nicht nur über Lidar, sondern auch über visuelle Sensoren und Ultraschallwellen verfügen, und die entsprechende Fusion sollte im Navigations- und Positionierungsalgorithmus durchgeführt werden. Diese Integration mag akademisch oder algorithmisch nicht schwierig sein, aber in Betracht gezogen Angesichts der Probleme der Industrialisierung, zum Beispiel, dass viele Ultraschallsensoren keine Standardprodukte sind und Tiefensichtsensoren unterschiedliche Spezifikationen und unterschiedliche Installationsorte haben, gibt es Herausforderungen bei der Bereitstellung einer einheitlichen standardisierten Schnittstelle für Kunden.“

 

自主定位导航术 机器人行动自如全靠它