در حال حاضر رباتهای هندلینگ هوشمند لجستیک، روباتهای جارو و غیره در برخی شهرها و خانوادهها به کار گرفته شدهاند، هواپیماهای بدون سرنشین، وسایل نقلیه بدون سرنشین و غیره نیز به سرعت در حال ارتقا هستند، دلیل اینکه این رباتها میتوانند به سرعت وارد مرحله کاربرد شوند و توسعه فناوری موقعیت یابی و ناوبری مستقل جدایی ناپذیر است.
اخیرا، iResearch، یکی از زیرمجموعههای iresearch Consulting، خلاصهای از «فناوریهای موفقیتآمیز جهانی AI در سال 2018» را منتشر کرد و فناوری ناوبری خودکار ربات مبتنی بر همجوشی فرامرزی چند حسگر در میان آنها بود. فناوری موقعیت یابی و ناوبری خودران ربات چیست؟ در حال حاضر، چندین ابزار فنی برای تحقق موقعیت یابی و ناوبری مستقل روبات ها وجود دارد. سختی ها و چالش های پیاده سازی این فناوری ها و اپلیکیشن ها چیست؟
پایه: دید و رادار حسگرهای اصلی هستند
می توان گفت که فناوری موقعیت یابی و ناوبری خودران به یکی از هسته ها و تمرکز محصولات ربات تبدیل شده است. دکتر دو مینگ فانگ، یکی از اعضای متخصص انجمن اتوماسیون چین و مؤسسه تحقیقاتی صنعت اینترنت دانشگاه Tsinghua، به Sci-Tech Daily گفت که ناوبری مستقل شامل دو بخش است: ناوبری محلی و ناوبری جهانی از یک دیدگاه بزرگ. ناوبری محلی به دستیابی بیدرنگ اطلاعات محیطی فعلی از طریق حسگرهای بینایی، رادار، اولتراسونیک و سایر حسگرها، استخراج ویژگی های همجوشی داده ها و پردازش الگوریتم هوشمند برای دستیابی به قضاوت در مورد منطقه قابل عبور فعلی و ردیابی چند هدف اشاره دارد. ناوبری جهانی عمدتاً به استفاده از داده های ناوبری جهانی ارائه شده توسط GPS برای انجام برنامه ریزی مسیر جهانی و تحقق ناوبری مسیر در محدوده نقشه کامل الکترونیکی اشاره دارد.
در حال حاضر، بینایی و رادار دو حسگر مهم هستند که برای ناوبری خودمختار محلی استفاده میشوند.» دو مینگ فانگ توضیح داد که به عنوان یک حسگر غیرفعال، مزایای حسگر بصری قابل توجه است، مانند دسترسی غنی به اطلاعات، پنهان کاری خوب، اندازه کوچک، به دلیل تداخل، هزینه کم در مقایسه با رادار "آلودگی محیطی" را به همراه نخواهد داشت. به منظور تحقق ناوبری مستقل، معمولاً انواع حسگرها با یکدیگر همکاری می کنند تا انواع اطلاعات محیطی مانند مرزهای جاده، ویژگی های زمین، موانع، راهنماها و غیره را شناسایی کنند. به این ترتیب، ربات می تواند تعیین کند. منطقه قابل دسترس یا منطقه غیرقابل دسترس در جهت رو به جلو از طریق ادراک محیط، موقعیت نسبی آن را در محیط تایید می کند، حرکت موانع پویا را پیش بینی می کند و مبنایی برای برنامه ریزی مسیر محلی فراهم می کند.
دو مینگ فانگ به خبرنگاران گفت که از وضعیت توسعه فعلی، فناوری همجوشی اطلاعات چند سنسوری در سیستم ناوبری خودمختار اعمال شده است و نقش آن نیز به سطح هوشمند ربات مربوط می شود. هسته اصلی فناوری ناوبری این است که می تواند به طور موثر اطلاعات جمع آوری شده توسط چندین حسگر را پردازش و ترکیب کند، توانایی "مقاومت" ربات در برابر اطلاعات نامشخص را بهبود بخشد، اطمینان حاصل کند که از اطلاعات قابل اعتمادتر استفاده می شود و به قضاوت شهودی محیط اطراف کمک می کند. " "او گفت.
ناوبری بصری با موفقیت در ناوبری هواپیما در ارتفاع پایین، ناوبری وسایل نقلیه هوایی بدون سرنشین و ناوبری فرود مریخ نورد به کار گرفته شده است. با این حال، دو مینگ فانگ همچنین گفت که اطلاعات ارائه شده توسط حسگرهای بصری مستقیم نیست، تقاضا برای محاسبات و ذخیره سازی زیاد است و بار انتقال شبکه زیاد است. ادغام اطلاعات چند سنسوری می تواند عدم قطعیت در موقعیت یابی و ناوبری ربات را از بین ببرد و دقت را بهبود بخشد، اما همجوشی بیش از حد باعث افزایش مضاعف در میزان محاسبات می شود.
چگونه می توان این مشکلات را حل کرد؟ دو مینگ فانگ معتقد است که انتخاب الگوریتم فیوژن مناسب کلید اصلی است. در حال حاضر، "تئوری های پایه ای بیشتری مانند تئوری محاسبات هوشمند و نظریه احتمالات در زمینه همجوشی چند حسگر ربات وجود دارد." "او گفت.
روش: انواع ترکیب فناوری برای دستیابی به مزایای مکمل
راه های تحقق موقعیت یابی و ناوبری مستقل ربات چیست؟ در واقع، رانندگی مستقل خودروها و فناوری موقعیت یابی و ناوبری مستقل جزئی که توسط روبات ها استفاده می شود، سازگار است. Chen Jinpei، مدیر عامل Chihiro Position به خبرنگاران گفت که این شرکت از ترکیبی از موقعیت یابی لیدار و فناوری ناوبری و حسگر برای دستیابی به دقت موقعیت یابی حدود یک متر و موقعیت یابی اولیه کامل در سه ثانیه استفاده می کند.
به اصطلاح ناوبری لیدار، نصب یک بازتابنده لیزری با موقعیت دقیق در اطراف مسیر رانندگی است. ربات یک پرتو لیزر را از طریق اسکنر لیزری می فرستد و پرتو لیزر منعکس شده توسط بازتابنده را جمع آوری می کند تا موقعیت و مسیر فعلی آن را تعیین کند و از طریق عملیات هندسی مثلثی پیوسته هدایت را متوجه می شود. لیدار علاوه بر عملکردهای محدوده و موقعیت یابی، عملکردهای شناسایی و جلوگیری از موانع را نیز دارد.
دو مینگ فانگ گفت که لیدار یک حسگر فعال است و دادههای ادراکی که ارائه میکند بسیار سادهتر و مستقیمتر از اطلاعات بصری است و در هنگام پردازش، محاسبه کمتری دارد. اما نقطه ضعف آن هزینه بالا، پنهان سازی ضعیف، "آلودگی" محیط زیست است، اطلاعات به اندازه کافی غنی نیست.
مشخص است که ربات و ناوبری خودمختار خودروی بدون سرنشین Suning از "لیدار چند خطی به همراه GPS به همراه ناوبری اینرسی و دیگر حالت های موقعیت یابی فیوژن چند سنسوری" استفاده می کند. به طور خاص، ابتدا از لیدار برای نقشه برداری محیط برای به دست آوردن یک نقشه ابر نقطه قبلی استفاده می شود و موقعیت جهانی دستگاه در ابتدا از طریق GPS و ناوبری اینرسی تعیین می شود. سپس، دادههای اسکن لیدار با نقشه ابر نقطه قبلی تطبیق داده میشود تا موقعیت جهانی دقیقتری به دست آید و موقعیتیابی دقیق و ناوبری مستقل به دست آید. در سطح ادراک، لیدار بینایی را برای شناسایی عابران پیاده، وسایل نقلیه و موانع اطراف آنها در زمان واقعی یکپارچه می کند و مبنایی را برای برنامه ریزی مسیر انحرافی بهینه فراهم می کند.
علاوه بر این، ناوبری اینرسی وجود دارد که به نصب ژیروسکوپ بر روی ربات یا وسیله نقلیه بدون سرنشین، نصب بلوک موقعیت یابی بر روی زمین در منطقه رانندگی، از طریق محاسبه سیگنال انحراف ژیروسکوپ (نرخ زاویه ای) و جمع آوری موقعیت زمین سیگنال بلوک برای تعیین موقعیت و عنوان خود، به طوری که برای دستیابی به هدایت. مسئول Suning در مصاحبه با Science and Technology Daily گفت که فناوری ناوبری اینرسی دارای موقعیت یابی دقیق، حجم کاری کم پردازش زمینی و انعطاف پذیری مسیر قوی است. با این حال، هزینه ساخت بالا است، و دقت و قابلیت اطمینان هدایت ارتباط نزدیکی با دقت ساخت ژیروسکوپ و پردازش سیگنال بعدی آن دارد. به طور خلاصه، یک وسیله فنی نمی تواند همه مشکلات را حل کند.
چالش ها: مصرف برق، هزینه و مسائل صنعتی شدن باید حل شود
در حال حاضر، کاربرد ربات موقعیت یابی و ناوبری مستقل به طور عمده به دو دسته تقسیم می شود، یکی استفاده خانوادگی از ربات جارو و مراقبت از خانواده، ربات همراه است. چن شیکای، مدیر عامل Silan Technology، گفت که چنین سناریوهای کاربردی را می توان به عنوان "پیکربندی صفر" خلاصه کرد، از نظر استفاده مصرف کننده، باید تا حد امکان ساده باشد و در صورت خرید مجدد قابل استفاده باشد. مورد دیگر در سناریوی تجاری است که نیاز به یک فرآیند پیش پیکربندی با قابلیت اطمینان و مقیاس پذیری بالا دارد.
چن شیکای گفت که سیستم ناوبری و موقعیت یابی صحنه خانه شخصی باید چالش های مصرف برق، حجم و هزینه را حل کند. در حال حاضر، هر دو الگوریتم مکان یابی بلادرنگ و ساخت نقشه (SLAM) و سیستم برنامه ریزی مسیر دارای پیچیدگی بالایی هستند. برای روباتی که کف را جارو میکند، باتری خود ممکن است فقط بیش از 20 وات ساعت ظرفیت داشته باشد. اگر لپتاپ را برای اجرای الگوریتم SLAM روی آن قرار دهید، ممکن است در کمتر از یک ساعت انرژی آن تمام شود، کاملا غیر قابل قبول است."
علاوه بر این، هنگامی که ربات جدید برای اولین بار روشن می شود، ساختار محیط خانه را نمی شناسد و نیاز به نقشه برداری از قبل دارد. چن گفت: «این یک تناقض است. انتظار میرود روباتها وقتی در محیط هستند، فوراً کار کنند، اما الگوریتمهای جریان اصلی نیز باید یک محیط از پیش ساخته یا کاوششده داشته باشند، و در این زمینه، "کارهایی برای صنعت وجود دارد." چن گفت، برای مثال، میتوان یک مسیر اولیه را برنامهریزی کرد و مسیر را میتوان به تدریج با استفاده و کاوش روبات اصلاح و بهبود بخشید.
در سناریوهای تجاری یا حرفه ای، دشواری سیستم های ناوبری مستقل این است که منطقه نقشه در سناریوهای تجاری بزرگ است، حتی بیش از ده ها هزار متر مربع. "در حال حاضر، سیستم های SLAM به حافظه و محاسبات فشرده نیاز دارند. نحوه کارکرد آن در چنین صحنه بزرگی یک چالش بزرگ برای سیستم های ناوبری و موقعیت یابی است." آقای چن گفت که راه حل این است که سخت افزار قدرتمند همراه با بهینه سازی بهتر نرم افزارها و الگوریتم ها داشته باشیم. وی افزود: در حال حاضر یک سیستم ناوبری و موقعیت یابی واجد شرایط نه تنها باید لیدار داشته باشد، بلکه باید حسگرهای بصری و امواج مافوق صوت نیز داشته باشد و همجوشی مربوطه باید در الگوریتم ناوبری و موقعیت یابی انجام شود. مشکلات صنعتی شدن، به عنوان مثال، بسیاری از سنسورهای اولتراسونیک محصولات غیر استاندارد هستند، و سنسورهای دید عمق دارای مشخصات متفاوت و مکانهای نصب متفاوت هستند، چالشهایی در نحوه ارائه یک رابط استاندارد یکپارچه برای مشتریان وجود دارد.
