Şu anda bazı şehirlerde ve ailelerde lojistik akıllı taşıma robotları, süpürme robotları vb. uygulanmakta olup, insansız hava araçları, insansız araçlar vb. de hızla tanıtılmaktadır, bu robotların hızla uygulama aşamasına girebilmesinin ve otonom konumlandırma ve navigasyon teknolojisinin gelişimi birbirinden ayrılamaz.
Yakın zamanda, iresearch Consulting'in bir yan kuruluşu olan iResearch, "2018'de Çığır Açan 10 Küresel Yapay Zeka teknolojisi" özetini yayınladı ve çok sensörlü sınır ötesi füzyona dayalı robot otonom navigasyon teknolojisi de bunların arasındaydı. Robot otonom konumlandırma ve navigasyon teknolojisi nedir? Şu anda, robotların otonom konumlandırmasını ve navigasyonunu gerçekleştirmenin birkaç teknik yolu var. Bu teknolojilerin ve uygulamaların uygulanmasındaki zorluklar ve zorluklar nelerdir?
Temel: Görüş ve radar birincil sensörlerdir
Otonom konumlandırma ve navigasyon teknolojisinin robot ürünlerinin temel ve odak noktalarından biri haline geldiği söylenebilir. Çin Otomasyon Derneği ve Tsinghua Üniversitesi İnternet Endüstrisi Araştırma Enstitüsü'nün uzman bir üyesi olan Dr. Du Mingfang, Sci-Tech Daily'ye otonom navigasyonun iki bölümden oluştuğunu söyledi: yerel navigasyon ve geniş bir perspektiften küresel navigasyon. Yerel navigasyon, görüş, radar, ultrasonik ve diğer sensörler aracılığıyla mevcut çevresel bilgilerin gerçek zamanlı olarak edinilmesi, veri füzyon özelliklerinin çıkarılması ve mevcut geçilebilir alan ve çok hedefli izleme hakkında karar vermek için akıllı algoritma işleme anlamına gelir. Küresel seyrüsefer, esasen, GPS tarafından sağlanan küresel seyrüsefer verilerinin, küresel yol planlamasını gerçekleştirmek ve tam elektronik harita kapsamında yol seyrüseferini gerçekleştirmek için kullanılmasını ifade eder.
"Şu anda, görüş ve radar, yerel otonom navigasyon için kullanılan en önemli iki sensördür." Du Mingfang, pasif bir sensör olarak görsel sensörün, bilgiye zengin erişim, iyi gizleme, küçük boyut, parazit nedeniyle "çevre kirliliği" getirmemesi, radarla karşılaştırıldığında düşük maliyet gibi avantajlarının önemli olduğunu açıkladı. Otonom navigasyonu gerçekleştirmek için, yol sınırları, arazi özellikleri, engeller, kılavuzlar vb. gibi çeşitli çevresel bilgileri tanımlamak için çeşitli sensörlerin birbirleriyle işbirliği yapması yaygındır. Ulaşılabilir alan veya ulaşılamayan alan, çevre algısı yoluyla ileri yönde, çevredeki göreceli konumunu teyit eder, dinamik engellerin hareketini tahmin eder ve yerel yol planlaması için bir temel sağlar.
Du Mingfang gazetecilere, mevcut geliştirme durumundan, otonom navigasyon sistemine çok sensörlü bilgi füzyon teknolojisinin uygulandığını ve rolünün de robotun akıllı seviyesiyle ilgili olduğunu söyledi. "Navigasyon teknolojisinin özü, birden fazla sensör tarafından toplanan bilgileri etkili bir şekilde işleyebilmesi ve birleştirebilmesi, robotun belirsiz bilgilere karşı 'direnç' yeteneğini geliştirmesi, daha güvenilir bilgilerin kullanılmasını sağlaması ve çevredeki ortamı daha sezgisel olarak yargılamasına yardımcı olmasıdır. ." dedi.
Görsel navigasyon, alçak irtifa uçak navigasyonu, insansız hava aracı navigasyonu ve Mars rover iniş navigasyonuna başarıyla uygulanmıştır. Ancak Du Mingfang, görsel sensörler tarafından sağlanan bilgilerin doğrudan olmadığını, bilgi işlem ve depolama talebinin büyük olduğunu ve ağ iletimi yükünün büyük olduğunu da söyledi. Çok sensörlü bilgi birleştirme, robot konumlandırma ve navigasyondaki belirsizliği ortadan kaldırabilir ve doğruluğu artırabilir, ancak aşırı birleştirme ayrıca hesaplama miktarında iki kat artışa neden olur.
Bu sorunlar nasıl çözülebilir? Du Mingfang, doğru füzyon algoritmasını seçmenin anahtar olduğuna inanıyor. Şu anda, "robot çoklu sensör füzyonu alanına uygulanan akıllı bilgi işlem teorisi ve olasılık teorisi gibi giderek daha fazla temel teori var." dedi.
Yöntem: Tamamlayıcı avantajlar elde etmek için çeşitli teknoloji kombinasyonları
Robot otonom konumlandırma ve navigasyonu gerçekleştirmenin yolları nelerdir? Aslında, arabaların otonom sürüşü ve robotlar tarafından kullanılan kısmi otonom konumlandırma ve navigasyon teknolojisi tutarlıdır. Chihiro Position'ın CEO'su Chen Jinpei, gazetecilere verdiği demeçte, şirketin yaklaşık bir metrelik konumlandırma doğruluğu elde etmek ve ilk konumlandırmayı üç saniyede tamamlamak için lidar konumlandırma ile navigasyon ve sensör teknolojisinin bir kombinasyonunu kullandığını söyledi.
Sözde lidar navigasyonu, sürüş yolu etrafında kesin konuma sahip bir lazer reflektörü kurmaktır. Robot, lazer tarayıcı aracılığıyla bir lazer ışını gönderir ve reflektörden yansıyan lazer ışınını toplayarak mevcut konumunu ve rotasını belirler ve sürekli üçgen geometrik işlemle yönlendirme gerçekleştirir. Menzil ve konumlandırma işlevlerine ek olarak lidar, tanımlama ve engellerden kaçınma işlevlerine de sahiptir.
Du Mingfang, lidar'ın aktif bir sensör olduğunu ve sağladığı algı verilerinin görsel bilgilere göre çok daha basit ve doğrudan olduğunu, işlerken daha az hesaplama yapıldığını söyledi. Ancak dezavantajı, yüksek maliyet, kötü gizleme, çevreye "kirlilik", bilgi yeterince zengin değil.
Suning'in robot ve insansız araç otonom navigasyonunun başka bir "çok hatlı lidar artı GPS artı atalet navigasyonu ve diğer çok sensörlü füzyon konumlandırma modunu" benimsediği anlaşılmaktadır. Spesifik olarak, ilk olarak, önceden bir nokta bulutu haritası elde etmek için ortam haritalaması için lidar kullanılır ve makinenin küresel konumu başlangıçta GPS ve atalet navigasyonu ile belirlenir. Ardından, daha doğru bir küresel konum elde etmek ve doğru konumlandırma ve otonom navigasyon elde etmek için lidar tarama verileri önceki nokta bulutu haritasıyla eşleştirilir. Algı düzeyinde lidar, çevrelerindeki yayaları, araçları ve engelleri gerçek zamanlı olarak belirlemek için vizyonu entegre ederek en uygun sapma yolunun planlanması için bir temel sağlar.
Ek olarak, jiroskop sapma sinyalinin (açısal oran) hesaplanması ve toplanması yoluyla robot veya insansız araç üzerine jiroskop montajı, sürüş alanında zemine konumlandırma bloğu kurulumu anlamına gelen atalet navigasyonu vardır. rehberlik sağlamak için kendi konumlarını ve yönlerini belirlemek için zemin konumlandırma bloğu sinyali. Suning'den sorumlu kişi, Science and Technology Daily ile yaptığı bir röportajda ataletsel navigasyon teknolojisinin doğru konumlandırmaya, küçük yer işleme iş yüküne ve güçlü yol esnekliğine sahip olduğunu söyledi. Bununla birlikte, üretim maliyeti yüksektir ve kılavuzun kesinliği ve güvenilirliği, jiroskopun üretim doğruluğu ve müteakip sinyal işlemesi ile yakından ilişkilidir. Kısacası, tek bir teknik araç tüm sorunları çözemez.
Zorluklar: Çözülmesi gereken güç tüketimi, maliyet ve sanayileşme sorunları
Şu anda, özerk konumlandırma ve navigasyon robotu uygulaması esas olarak iki kategoriye ayrılmıştır, biri süpürme robotunun aile kullanımı ve aile bakımı, refakatçi robottur. Silan Technology CEO'su Chen Shikai, bu tür uygulama senaryolarının "sıfır konfigürasyon" olarak özetlenebileceğini, tüketici kullanımı açısından mümkün olduğunca basit olması gerektiğini ve geri alındığında kullanılabileceğini söyledi. Diğeri, yüksek güvenilirlik ve ölçeklenebilirliğe sahip bir ön yapılandırma süreci gerektiren ticari senaryodadır.
Chen Shikai, kişisel ev sahnesi navigasyon ve konumlandırma sisteminin güç tüketimi, hacim ve maliyet zorluklarını çözmesi gerektiğini söyledi. Şu anda, hem gerçek zamanlı yerelleştirme hem de harita oluşturma (SLAM) algoritması ve yol planlama sistemi yüksek düzeyde karmaşıklığa sahiptir. "Yeri süpüren bir robot için pilin kapasitesi yalnızca 20 watt-saatten fazla olabilir. SLAM algoritmasını çalıştırmak için üzerine bir dizüstü bilgisayar koyarsanız, pil bir saatten daha kısa sürede bitebilir ve bu da kesinlikle kabul edilemez."
Ayrıca yeni robot ilk çalıştırıldığında ev ortamının yapısını bilmemekte ve önceden haritalandırması gerekmektedir. Chen, "Bu bir çelişki" dedi. Robotların ortama girdiklerinde hemen çalışmaları bekleniyor, ancak ana akım algoritmaların da önceden oluşturulmuş veya keşfedilmiş bir ortama sahip olması gerekiyor ve bu alanda "endüstrinin yapması gereken bazı işler var." Chen, örneğin, bir başlangıç yolu planlanabileceğini ve robot kullanıldıkça ve keşfedildikçe yol kademeli olarak iyileştirilip iyileştirilebileceğini söyledi.
Ticari veya profesyonel senaryolarda, otonom navigasyon sistemlerinin zorluğu, ticari senaryolarda harita alanının büyük, hatta onbinlerce metrekareden fazla olmasıdır. "Şu anda SLAM sistemleri, bellek ve bilgi işlem açısından yoğun. Bu kadar büyük bir sahnede nasıl çalıştırılacağı, navigasyon ve konumlandırma sistemleri için büyük bir zorluk." Bay Chen, çözümün yazılım ve algoritmaların daha iyi optimizasyonunun yanı sıra güçlü bir donanıma sahip olmak olduğunu söyledi. "Şu anda nitelikli bir seyrüsefer ve konum belirleme sisteminde sadece lidar değil, aynı zamanda görsel sensörler ve ultrasonik dalgalar da bulunmalı ve buna karşılık gelen füzyon, navigasyon ve konumlama algoritmasında gerçekleştirilmelidir. Bu entegrasyon akademik veya algoritmik olarak zor olmayabilir ama düşünüldüğünde sanayileşme sorunları, örneğin, birçok ultrasonik sensör standart olmayan ürünlerdir ve derinlik görüş sensörleri farklı özelliklere ve farklı kurulum konumlarına sahiptir, müşterilerin kullanması için birleşik bir standart arayüzün nasıl sağlanacağı konusunda zorluklar vardır."
