Kako roboti postaju samodovoljniji, moraju se kretati okolinom sa većom neovisnošću i pouzdanošću. Autonomni traktori, poljoprivredni kombajni i mašine za sejanje moraju pažljivo da se probijaju kroz polja useva, dok samovozeća vozila za dostavu moraju bezbedno da prelaze ulice kako bi postavila pakete na pravo mesto. U širokom spektru aplikacija, autonomni mobilni roboti (AMR) zahtijevaju visoko precizne izvore pozicioniranja kako bi sigurno i uspješno završili poslove za koje su dizajnirani.
Postizanje takve preciznosti zahtijeva dva skupa lokacijskih mogućnosti. Jedan je razumjeti relativni položaj sebe u odnosu na druge objekte. Ovo daje kritičan doprinos za razumijevanje svijeta oko njega i, u najočiglednijem slučaju, izbjegavanje prepreka koje su i nepokretne i u pokretu. Ovo dinamično manevrisanje zahteva veliki skup navigacionih senzora kao što su kamere, radar, lidar i prateći softver za obradu ovih signala i davanje pravaca AMR-u u realnom vremenu.
Drugi skup mogućnosti je da AMR razumije svoju preciznu fizičku lokaciju (ili apsolutnu lokaciju) u svijetu kako bi mogao precizno i više puta navigirati putem koji je programiran u uređaju. Očigledan slučaj upotrebe ovdje je poljoprivreda visoke preciznosti, gdje različiti AMR-ovi moraju da putuju istim uskim putem tokom mnogo mjeseci da bi posadili, navodnjavali i žetvu usjeva, pri čemu svaki prolaz zahtijeva da AMR svaki put upućuje na istu tačku .
Ovo zahtijeva drugačiji skup navigacijskih mogućnosti, počevši od globalnih navigacijskih satelitskih sistema (GNSS), koje koristi cijeli ekosistem senzora i softvera. Povećanje GNSS-a su mogućnosti korekcije kao što su RTK i SSR koje pomažu da se postigne 100x veća preciznost od samog GNSS-a za aplikacije otvorenog neba, i inercijalne mjerne jedinice u kombinaciji sa softverom za fuziju senzora za navigaciju tamo gdje GNSS nije dostupan (mrtvo računanje).
Prije nego što zaronimo u ove tehnologije, hajde da provedemo minut gledajući slučajeve upotrebe u kojima su potrebne i relativne i apsolutne lokacije da bi AMR obavio svoj posao.
Robotske aplikacije koje zahtijevaju relativno i apsolutno pozicioniranje
AMR otkrivaju ono što ljudi uzimaju zdravo za gotovo – urođenu sposobnost da se tačno lociraju u svijetu i poduzmu precizne radnje na osnovu tih informacija. Što su aplikacije za AMR raznovrsnije, više otkrivamo koje vrste radnji zahtevaju ekstremnu preciznost. Neki primjeri uključuju:
Poljoprivredna automatizacija: U poljoprivredi, AMR-ovi postaju sve češći za zadatke kao što su sadnja, žetva i praćenje usjeva. Ovi roboti koriste apsolutno pozicioniranje, obično putem GPS-a, za navigaciju po velikim i često neravnim poljima s preciznošću. Ovo osigurava da oni mogu sistematski pokrivati ogromna područja i vraćati se na određene lokacije po potrebi. Međutim, kada su u blizini usjeva ili unutar određenog područja, AMR se oslanjaju na relativno pozicioniranje za zadatke koji zahtijevaju viši nivo tačnosti, kao što je branje voća koje je možda poraslo ili promijenilo položaj od kada ga je AMR posljednji put posjetio. Kombinacijom obe metode pozicioniranja, ovi roboti mogu efikasno da rade u izazovnim i promenljivim okruženjima tipičnim za poljoprivredna polja.
Dostava zadnje milje u urbanim postavkama: AMR transformišu dostavu poslednjeg kilometra u urbanim sredinama autonomnim transportom robe od distributivnih centara do krajnjih odredišta. Ovi roboti koriste apsolutno pozicioniranje za navigaciju gradskim ulicama, uličicama i složenim urbanim rasporedima, osiguravajući da prate optimizirane rute, izbjegavajući promet i pridržavajući se rasporeda isporuke. Po dolasku u blizinu lokacije 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 omogućava AMR-ima da se nose sa zamršenošću urbanih pejzaža i vrše precizne isporuke direktno do kućnog praga kupaca.
Automatizacija gradilišta: Na gradilištima se koriste AMR kako bi se osiguralo da je projekat izgrađen prema tačnim specifikacijama koje su odredili inženjeri. Oni također pomažu u zadacima kao što su transport materijala i mapiranje ili snimanje okoline. Ove lokacije se često prostiru na velikim područjima sa okruženjem koje se stalno mijenja, što zahtijeva od AMR-a da koriste apsolutno pozicioniranje za navigaciju i održavanje orijentacije unutar cjelokupne lokacije projekta. Relativno pozicioniranje dolazi u obzir kada AMR obavljaju zadatke koji zahtijevaju interakciju s dinamičkim elementima, kao što je izbjegavanje druge opreme ili čak osoblja na lokaciji. Kombinacija oba sistema pozicioniranja omogućava AMR-ima da efektivno doprinesu složenoj i dinamičnoj prirodi građevinskih projekata, povećavajući efikasnost i sigurnost.
Autonomno održavanje puteva: AMR se sve više koriste u poslovima održavanja puteva kao što su pregled kolovoza, zaptivanje pukotina i farbanje linija. Ovi roboti koriste apsolutno pozicioniranje da putuju duž dionica autoputa ili puteva, osiguravajući da ostanu na kursu na velikim udaljenostima i mogu precizno uhvatiti specifične lokacije na kojima je potrebno održavanje. Prilikom obavljanja ovih zadataka održavanja, oni se prebacuju na relativno pozicioniranje kako bi precizno identifikovali i adresirali specifične nesavršenosti na putu, precizno farbali oznake na trakama ili se kretali oko prepreka. Ova dvostruka sposobnost omogućava AMR-ima da efikasno upravljaju zadacima održavanja puteva, istovremeno smanjujući potrebu za ljudskim radnicima da rade u opasnim okruženjima pored puta, poboljšavajući sigurnost i produktivnost.
Monitoring i očuvanje životne sredine: U vanjskim okruženjima, AMR se često koriste za praćenje okoliša i napore očuvanja kao što su praćenje divljih životinja, otkrivanje zagađenja i mapiranje staništa. Ovi roboti koriste apsolutno pozicioniranje za navigaciju ogromnim prirodnim područjima, od šuma do obalnih područja, osiguravajući sveobuhvatnu pokrivenost terena i omogućavajući hvatanje detaljnih istraživanja lokacije i mapiranja. AMR-i mogu obavljati zadatke poput snimanja slika visoke rezolucije, prikupljanja uzoraka ili praćenja kretanja životinja sa vrhunskom preciznošću i mogu prekrivati te uzorke tijekom vremena na kohezivan način.
U svim gore navedenim primjerima potrebna je apsolutna preciznost pozicioniranja od mnogo manja od jednog metra kako bi se izbjegle potencijalno katastrofalne posljedice. Ozljede radnika, značajni gubici proizvoda i skupa kašnjenja su vjerovatni bez precizne lokacije. U suštini, gdje god AMR treba da radi u krugu od nekoliko centimetara, zahtijevat će da ima i relativna i apsolutna rješenja lokacije.
Tehnologija za relativno pozicioniranje
AMR koriste brojne senzore kako bi se locirali u odnosu na druge objekte u svom okruženju. To uključuje:
Kamere: Kamere funkcioniraju kao vizualni senzori autonomnih mobilnih robota, pružajući im neposrednu sliku okoline sličnu načinu na koji rade ljudske oči. Ovi uređaji bilježe bogate vizualne informacije koje roboti mogu koristiti za otkrivanje objekata, izbjegavanje prepreka i mapiranje okruženja. Međutim, kamere zavise od adekvatnog osvjetljenja i mogu ih ometati nepovoljni vremenski uslovi poput magle, kiše ili mraka. Kako bi se riješila ova ograničenja, kamere su često uparene sa infracrvenim senzorima ili opremljene mogućnostima noćnog vida, koje robotima omogućavaju da vide u uvjetima slabog osvjetljenja. Kamere su ključna komponenta u vizualnoj odometriji, procesu u kojem se promjene položaja tokom vremena izračunavaju analizom sekvencijalnih slika kamere. Općenito, kamere uvijek zahtijevaju značajnu obradu da konvertuju svoje 2-D slike u 3-D strukture.
Radarski senzori: Radarski senzori rade tako što emituju pulsirajuće radio talase koji se odbijaju od objekata, dajući informacije o brzini, udaljenosti i relativnom položaju objekta. Ova tehnologija je robusna i može efikasno funkcionirati u različitim uvjetima okoline, uključujući kišu, maglu i prašinu, gdje bi se kamere i lidar mogli boriti. Međutim, radarski senzori obično nude rjeđe podatke i nižu rezoluciju u odnosu na druge tipove senzora. Uprkos tome, oni su od neprocenjive vrednosti zbog svoje pouzdanosti u detekciji brzine pokretnih objekata, što ih čini posebno korisnim u dinamičkim okruženjima gde je razumevanje kretanja drugih entiteta ključno.
Lidar senzori: Lidar, ili Light Detection and Ranging, je tehnologija 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 osnovnim alatom za istovremenu lokaciju i mapiranje (SLAM), gdje robot gradi mapu nepoznatog okruženja dok prati svoju lokaciju unutar te karte. lidar je poznat po svojoj preciznosti i sposobnosti da dobro funkcioniše u različitim uslovima osvetljenja, iako može biti manje efikasan na kiši, snegu ili magli, gde kapljice vode mogu raspršiti laserske zrake. Uprkos tome što je skupa tehnologija, lidar je omiljen u autonomnoj navigaciji zbog svoje tačnosti i pouzdanosti u složenim okruženjima.
Ultrazvučni senzori: Ultrazvučni senzori funkcionišu tako što emituju zvučne talase visoke frekvencije koji se odbijaju od obližnjih objekata, pri čemu senzor meri vreme potrebno da se eho vrati. Ovo omogućava robotu da izračuna udaljenost do objekata i prepreka na svom putu. Ovi senzori su posebno korisni za detekciju kratkog dometa i često se koriste u sporim aktivnostima na bliskim udaljenostima, kao što je navigacija unutar uskih prostora kao što su prolazi skladišta, ili za precizne manevre poput pristajanja ili pravljenja rezervnih kopija. Ultrazvučni senzori su isplativi i dobro rade u raznim uvjetima, ali njihov ograničeni domet i sporije vrijeme odziva u poređenju sa lidarima i kamerama znače da su najprikladniji za specifična, kontrolirana okruženja gdje je potrebna visoka preciznost u neposrednoj blizini.
Osnovna tehnologija koja se koristi za apsolutno pozicioniranje počinje sa GNSS-om (izraz koji uključuje GPS i druge satelitske sisteme kao što su GLONASS, Galileo i BeiDou). S obzirom na to da na GNSS utječu atmosferski uvjeti i satelitske nedosljednosti, on može dati rješenje položaja koje je udaljeno za mnogo metara. Za AMR-ove koji zahtijevaju precizniju navigaciju, to nije dovoljno dobro – stoga je došlo do pojave tehnologije poznate kao GNSS Corrections koja ovu grešku sužava na samo jedan centimetar.
RTK: Kinematika u realnom vremenu (RTK) koristi mrežu baznih stanica sa poznatim pozicijama kao referentne tačke za ispravljanje procjena lokacije GNSS prijemnika. Sve dok se AMR nalazi u krugu od 50 kilometara od bazne stanice i ima pouzdanu komunikacijsku vezu, RTK može pouzdano pružiti 1–2- centimetar tačnosti.
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 direktno sa lokalne bazne stanice, modelira greške na širokom geografskom području. Rezultat je šira pokrivenost koja dozvoljava udaljenosti daleko preko 50 km od bazne stanice, ali tačnost pada na 3-10 centimetara ili više u zavisnosti od gustine i kvaliteta mreže.
Iako ova dva pristupa funkcionišu izuzetno dobro tamo gde su GNSS signali dostupni (generalno otvoreno nebo), mnogi AMR-ovi će se udaljiti od otvorenog neba, gde postoji prepreka između GNSS prijemnika na AMR-u i neba. To se može dogoditi u tunelima, garažama, voćnjacima i urbanim sredinama. Ovdje stupaju u igru inercijalni navigacijski sistemi (INS) sa svojom inercijskom mjernom jedinicom (IMU) i softverom Sensor Fusion.
IMU– IMU kombinuje akcelerometre, žiroskope, a ponekad i magnetometre za merenje linearnog ubrzanja sistema, ugaone brzine i jačine magnetnog polja, respektivno. Ovo su ključni podaci koji omogućavaju INS-u da odredi položaj, brzinu i orijentaciju objekta u odnosu na početnu tačku u realnom vremenu.
Istorija IMU-a datira od početka 20. veka, sa svojim korenima u razvoju žiroskopskih uređaja koji se koriste u navigacionim sistemima za brodove i avione. Prvi praktični IMU razvijeni su tokom Drugog svetskog rata, prvenstveno za upotrebu u sistemima za navođenje projektila, a kasnije i u svemirskom programu. Apollo misije su se, na primjer, u velikoj mjeri oslanjale na IMU za navigaciju u svemiru, gdje tradicionalne metode navigacije nisu bile izvodljive. Tokom decenija, IMU tehnologija je značajno napredovala, vođena minijaturizacijom elektronskih komponenti i pojavom tehnologije mikro-elektro-mehaničkih sistema (MEMS) krajem 20. veka. Ova evolucija dovela je do kompaktnijih, pristupačnijih i preciznijih IMU-a, omogućavajući njihovu integraciju u širok spektar potrošačke elektronike, automobilskih sistema i industrijskih aplikacija danas.
Senzor Fusion– Softver za fuziju senzora odgovoran je za kombinovanje podataka iz IMU-a, kao i drugih senzora za stvaranje kohezivnog i tačnog razumevanja apsolutne lokacije AMR-a kada GNSS nije dostupan. Najosnovnije implementacije "ispunjavaju praznine" u realnom vremenu, između trenutka kada GNSS signal padne i kada ga AMR ponovo pokupi. Preciznost softvera za fuziju senzora ovisi o nekoliko faktora, uključujući kvalitetu i kalibraciju uključenih senzora, algoritme koji se koriste za fuziju i specifičnu aplikaciju ili okruženje u kojem je raspoređen. Sofisticiraniji softver za fuziju senzora može unakrsno korelirati različite modalitete senzora, što rezultira superiornom preciznošću položaja nego kod bilo kojeg senzora u rješenju koji radi samostalno.
RTK za GNSS pruža visoko precizan izvor apsolutne lokacije za autonomne robote. Bez RTK-a, međutim, mnoge robotske aplikacije jednostavno nisu moguće ili praktične. Od građevinskih geodetskih rovera do autonomnih dronova za isporuku i autonomnih poljoprivrednih alata, brojni AMR zavise od centimetar preciznog apsolutnog pozicioniranja koje samo RTK može pružiti.
Ipak, RTK rješenje je dobro onoliko koliko je dobra mreža iza njega. Dosljedno pouzdane korekcije zahtijevaju vrlo gustu mrežu baznih stanica tako da su prijemnici uvijek u dovoljnom dometu za precizne ispravke grešaka. Što je mreža veća, lakše je dobiti ispravke za AMR s bilo kojeg mjesta. Sama gustina nije jedini faktor. Mreže su veoma komplikovani sistemi u realnom vremenu i zahtevaju profesionalno praćenje, ispitivanje i proveru integriteta kako bi se osiguralo da su podaci koji se šalju AMR-u tačni i pouzdani.
Šta sve ovo znači za programere autonomnih robota? Barem kada je riječ o vanjskim aplikacijama, nijedan AMR nije potpun bez RTK GNSS prijemnika. Za najpreciznije moguće rješenje, programeri bi se trebali osloniti na najgušću i najpouzdaniju RTK mrežu. A gdje se roboti moraju često kretati u i izvan idealnog okruženja GNSS signala, kao što je samovozeća dostavna vozila, RTK u kombinaciji s IMU-om pruža najsveobuhvatniji dostupan izvor apsolutnog pozicioniranja.
Ne postoje dvije iste autonomne robotske aplikacije, a svaka jedinstvena postavka zahtijeva vlastitu mješavinu relativnih i apsolutnih informacija o pozicioniranju. Za vanjske AMR-ove sutrašnjice, međutim, GNSS sa robusnom mrežom RTK korekcija je bitna komponenta senzorskog paketa.