Atualmente, robôs de manuseio inteligente de logística, robôs de varredura e assim por diante têm sido aplicados em algumas cidades e famílias, veículos aéreos não tripulados, veículos não tripulados e assim por diante também são promovidos rapidamente, a razão pela qual esses robôs podem entrar rapidamente no estágio de aplicação e o desenvolvimento de posicionamento autônomo e tecnologia de navegação é inseparável.
Recentemente, a iResearch, uma subsidiária da iResearch Consulting, divulgou seu resumo das "TOP10 tecnologias globais inovadoras de IA em 2018", e a tecnologia de navegação autônoma de robôs baseada na fusão transfronteiriça de vários sensores estava entre eles. O que é posicionamento autônomo de robô e tecnologia de navegação? Atualmente, existem vários meios técnicos para realizar o posicionamento e navegação autônomos de robôs. Quais são as dificuldades e desafios na implementação dessas tecnologias e aplicações?
Básico: Visão e radar são os sensores primários
Pode-se dizer que a tecnologia autônoma de posicionamento e navegação se tornou um dos principais e foco dos produtos de robôs. O Dr. Du Mingfang, membro especialista da Sociedade Chinesa de Automação e do Instituto de Pesquisa da Indústria da Internet da Universidade de Tsinghua, disse ao Sci-Tech Daily que a navegação autônoma inclui duas partes: navegação local e navegação global de uma perspectiva ampla. A navegação local refere-se à aquisição em tempo real de informações ambientais atuais por meio de visão, radar, ultrassônico e outros sensores, extração de recursos de fusão de dados e processamento de algoritmo inteligente para obter o julgamento da área transitável atual e rastreamento de vários alvos. A navegação global refere-se principalmente ao uso de dados de navegação global fornecidos pelo GPS para realizar o planejamento de caminho global e realizar a navegação de caminho dentro do escopo do mapa eletrônico completo.
“Atualmente, a visão e o radar são os dois sensores mais importantes usados para navegação autônoma local”. Du Mingfang explicou que, como sensor passivo, as vantagens do sensor visual são significativas, como rico acesso à informação, boa ocultação, tamanho pequeno, não trará "poluição ambiental" devido à interferência, baixo custo em comparação com o radar. Para realizar a navegação autônoma, é comum que uma variedade de sensores coopere entre si para identificar uma variedade de informações ambientais, como limites de estradas, características do terreno, obstáculos, guias, etc. Dessa forma, o robô pode determinar a área alcançável ou a área inacessível na direção direta por meio da percepção do ambiente, confirma sua posição relativa no ambiente, prevê o movimento de obstáculos dinâmicos e fornece uma base para o planejamento do caminho local.
Du Mingfang disse aos repórteres que, a partir da situação atual de desenvolvimento, a tecnologia de fusão de informações multissensor foi aplicada ao sistema de navegação autônomo e seu papel também está relacionado ao nível inteligente do robô. "O núcleo da tecnologia de navegação é que ela pode processar e fundir com eficácia as informações coletadas por vários sensores, melhorar a capacidade de 'resistência' do robô a informações incertas, garantir que informações mais confiáveis sejam usadas e ajudar a julgar o ambiente circundante de maneira mais intuitiva. ." "Ele disse.
A navegação visual foi aplicada com sucesso à navegação de aeronaves de baixa altitude, navegação de veículos aéreos não tripulados e navegação de pouso em rover em Marte. No entanto, Du Mingfang também disse que as informações fornecidas pelos sensores visuais não são diretas, a demanda por computação e armazenamento é grande e o ônus da transmissão da rede é grande. A fusão de informações de vários sensores pode eliminar a incerteza no posicionamento e navegação do robô e melhorar a precisão, mas a fusão excessiva também trará um aumento duplo na quantidade de computação.
Como esses problemas podem ser resolvidos? Du Mingfang acredita que escolher o algoritmo de fusão correto é a chave. Atualmente, "há cada vez mais teorias básicas, como a teoria da computação inteligente e a teoria da probabilidade aplicadas ao campo da fusão multissensor de robôs". "Ele disse.
Método: Uma variedade de combinação de tecnologia para alcançar vantagens complementares
Quais são as maneiras de realizar o posicionamento e a navegação autônomos do robô? De fato, a condução autônoma de carros e o posicionamento autônomo parcial e a tecnologia de navegação usada por robôs são consistentes. Chen Jinpei, CEO da Chihiro Position, disse a repórteres que a empresa usa uma combinação de posicionamento lidar e navegação e tecnologia de sensor para obter precisão de posicionamento de cerca de um metro e posicionamento inicial completo em três segundos.
A chamada navegação lidar é instalar um refletor de laser com posição precisa ao redor do caminho de condução. O robô envia um feixe de laser através do scanner a laser e coleta o feixe de laser refletido pelo refletor para determinar sua posição e curso atuais e realiza a orientação por meio de operação geométrica triangular contínua. Além das funções de alcance e posicionamento, o lidar também possui as funções de identificação e desvio de obstáculos.
Du Mingfang disse que o lidar é um sensor ativo e os dados de percepção que ele fornece são muito mais simples e diretos do que as informações visuais, com menos cálculo durante o processamento. Mas a desvantagem é o alto custo, ocultação ruim, "poluição" do meio ambiente, as informações não são ricas o suficiente.
Entende-se que o robô da Suning e a navegação autônoma de veículos não tripulados adotam outro "lidar multilinha mais GPS mais navegação inercial e outro modo de posicionamento de fusão multissensor". Especificamente, em primeiro lugar, o lidar é usado para mapeamento de ambiente para obter um mapa de nuvem de pontos anterior, e a posição global da máquina é inicialmente determinada por meio de GPS e navegação inercial. Em seguida, os dados de varredura lidar são combinados com o mapa de nuvem de pontos anterior para obter uma posição global mais precisa e obter posicionamento preciso e navegação autônoma. No nível da percepção, o lidar integra a visão para identificar pedestres, veículos e obstáculos ao seu redor em tempo real, fornecendo uma base para planejar o melhor caminho de desvio.
Além disso, há a navegação inercial, que se refere à instalação de giroscópio no robô ou veículo não tripulado, a instalação de bloco de posicionamento no solo na área de condução, através do cálculo do sinal de desvio do giroscópio (taxa angular) e a coleta de sinal de bloqueio de posicionamento no solo para determinar sua própria posição e direção, de modo a obter orientação. O responsável pela Suning disse em entrevista ao Science and Technology Daily que a tecnologia de navegação inercial tem posicionamento preciso, pequena carga de trabalho de processamento de solo e forte flexibilidade de caminho. No entanto, o custo de fabricação é alto e a precisão e a confiabilidade da orientação estão intimamente relacionadas à precisão de fabricação do giroscópio e seu subsequente processamento de sinal. Em suma, um meio técnico não pode resolver todos os problemas.
Desafios: Problemas de consumo de energia, custo e industrialização a serem resolvidos
Atualmente, a aplicação de posicionamento autônomo e robô de navegação é dividida principalmente em duas categorias, uma é o uso familiar de robô de varredura e cuidado familiar, robô companheiro. Chen Shikai, CEO da Silan Technology, disse que tais cenários de aplicação podem ser resumidos como "configuração zero", em termos de uso do consumidor, deve ser o mais simples possível e pode ser usado quando comprado de volta. A outra está no cenário comercial, que requer um processo de pré-configuração com alta confiabilidade e escalabilidade.
Chen Shikai disse que o sistema de navegação e posicionamento pessoal da cena doméstica deve resolver os desafios de consumo de energia, volume e custo. Atualmente, tanto o algoritmo de localização e construção de mapa em tempo real (SLAM) quanto o sistema de planejamento de caminho têm alta complexidade. "Para um robô varrendo o chão, a própria bateria pode ter apenas uma capacidade de mais de 20 watts-hora. Se você colocar um laptop nele para executar o algoritmo SLAM, ele pode ficar sem energia em menos de uma hora, o que é completamente inaceitável."
Além disso, quando o novo robô é ligado pela primeira vez, ele não conhece a estrutura do ambiente doméstico e precisa mapear com antecedência. "Isso é uma contradição", disse Chen. Espera-se que os robôs funcionem imediatamente quando estiverem no ambiente, mas os algoritmos convencionais também precisam ter um ambiente pré-construído ou explorado e, nessa área, "há algum trabalho a ser feito pela indústria". Por exemplo, um caminho inicial pode ser planejado e o caminho pode ser gradualmente refinado e melhorado à medida que o robô é usado e explorado, disse Chen.
Em cenários comerciais ou profissionais, a dificuldade dos sistemas de navegação autônoma é que a área do mapa em cenários comerciais é grande, chegando a mais de dezenas de milhares de metros quadrados. "Atualmente, os sistemas SLAM consomem muita memória e computação. Como fazê-lo funcionar em uma cena tão grande é um grande desafio para os sistemas de navegação e posicionamento." A solução, disse Chen, é ter um hardware poderoso, juntamente com uma melhor otimização de software e algoritmos. "Atualmente, um sistema de navegação e posicionamento qualificado não deve ter apenas lidar, mas também sensores visuais e ondas ultrassônicas, e a fusão correspondente deve ser realizada no algoritmo de navegação e posicionamento. Essa integração pode não ser difícil academicamente ou algoritmicamente, mas considerando os problemas da industrialização, por exemplo, muitos sensores ultrassônicos são produtos não padronizados e os sensores de visão de profundidade têm especificações diferentes e locais de instalação diferentes, há desafios em como fornecer uma interface padronizada unificada para uso dos clientes."
