فناوری موقعیت یابی ناوبری برای طراحی ربات مستقل

همانطور که ربات ها خودکفاتر می شوند، باید با استقلال و قابلیت اطمینان بیشتری در محیط اطراف خود حرکت کنند. تراکتورهای خودران، دروگرهای کشاورزی، و ماشین‌های بذر باید با احتیاط راه خود را در مزارع کشاورزی طی کنند، در حالی که وسایل نقلیه تحویلی خودران باید با خیال راحت از خیابان‌ها عبور کنند تا بسته‌ها را در محل صحیح قرار دهند. در طیف گسترده‌ای از برنامه‌ها، روبات‌های متحرک مستقل (AMR) به منابع بسیار دقیق موقعیت‌یابی نیاز دارند تا کارهایی را که برای آن طراحی شده‌اند به طور ایمن و با موفقیت انجام دهند.

دستیابی به چنین دقتی مستلزم دو مجموعه از قابلیت های مکان یابی است. یکی درک موقعیت نسبی خود نسبت به اشیاء دیگر است. این ورودی حیاتی برای درک دنیای اطراف آن و در بدیهی ترین حالت، اجتناب از موانعی که هم ساکن و هم در حال حرکت هستند، فراهم می کند. این مانور پویا به مجموعه گسترده‌ای از حسگرهای ناوبری مانند دوربین‌ها، رادار، لیدار و نرم‌افزار پشتیبانی نیاز دارد تا این سیگنال‌ها را پردازش کند و جهت‌گیری در زمان واقعی به AMR بدهد.

مجموعه دوم از قابلیت ها این است که AMR موقعیت فیزیکی دقیق (یا مکان مطلق) خود را در جهان درک کند تا بتواند به طور دقیق و مکرر مسیری را که در دستگاه برنامه ریزی شده است حرکت کند. یک مورد استفاده آشکار در اینجا کشاورزی با دقت بالا است، که در آن AMR های مختلف باید در طول چندین ماه برای کاشت، آبیاری و برداشت محصولات از یک مسیر باریک یکسان عبور کنند، با هر گذری که نیاز است AMR هر بار به همان نقطه دقیق اشاره کند. .

این امر مستلزم مجموعه‌ای متفاوت از قابلیت‌های ناوبری است که با سیستم‌های ماهواره‌ای ناوبری جهانی (GNSS) شروع می‌شود، که کل اکوسیستم حسگرها و نرم‌افزار از آن بهره می‌برد. Augmenting GNSS قابلیت‌های اصلاحی مانند RTK و SSR هستند که به رانندگی با دقت ۱۰۰ برابر بیشتر از GNSS برای برنامه‌های کاربردی در آسمان باز کمک می‌کنند، و واحدهای اندازه‌گیری اینرسی همراه با نرم‌افزار فیوژن حسگر برای پیمایش در جاهایی که GNSS در دسترس نیست (حساب مرده).

قبل از اینکه به این فناوری‌ها بپردازیم، اجازه دهید یک دقیقه به موارد استفاده بپردازیم که در آن مکان‌های نسبی و مطلق برای AMR برای انجام کار خود لازم است.

کاربردهای رباتیک که نیاز به موقعیت نسبی و مطلق دارند

AMR آنچه را که انسان بدیهی می‌داند را آشکار می‌کند - توانایی ذاتی برای مکان یابی دقیق خود در جهان و انجام اقدامات دقیق بر اساس آن اطلاعات. هرچه برنامه های کاربردی AMR متنوع تر باشد، بیشتر متوجه می شویم که چه نوع اقداماتی به دقت بسیار بالایی نیاز دارند. برخی از نمونه ها عبارتند از:

اتوماسیون کشاورزی: در کشاورزی، AMR ها برای کارهایی مانند کاشت، برداشت و نظارت بر محصول به طور فزاینده ای رایج می شوند. این روبات‌ها از موقعیت‌یابی مطلق، معمولاً از طریق GPS، برای حرکت در میدان‌های بزرگ و اغلب ناهموار با دقت استفاده می‌کنند. این تضمین می کند که آنها می توانند مناطق وسیعی را به طور سیستماتیک پوشش دهند و در صورت نیاز به مکان های خاص بازگردند. با این حال، زمانی که AMR ها در نزدیکی محصولات یا در یک منطقه تعیین شده قرار می گیرند، برای کارهایی که نیاز به دقت بالاتری دارند، مانند چیدن میوه هایی که ممکن است از آخرین بازدید AMR رشد کرده یا تغییر موقعیت داده باشند، به موقعیت نسبی تکیه می کنند. با ترکیب هر دو روش موقعیت‌یابی، این ربات‌ها می‌توانند به طور موثر در محیط‌های چالش برانگیز و متغیر معمولی مزارع کشاورزی عمل کنند.

تحویل آخرین مایل در تنظیمات شهری: AMR ها تحویل مایل آخر را در محیط های شهری با حمل خودکار کالاها از مراکز توزیع به مقصد نهایی تغییر می دهند. این روبات‌ها از موقعیت‌یابی مطلق برای پیمایش در خیابان‌های شهر، کوچه‌ها و طرح‌بندی‌های پیچیده شهری استفاده می‌کنند و اطمینان می‌دهند که مسیرهای بهینه‌شده را دنبال می‌کنند و در عین حال از ترافیک اجتناب می‌کنند و برنامه‌های تحویل را رعایت می‌کنند. با رسیدن به نزدیکی محل تحویل، AMR ها همچنین از موقعیت نسبی برای مانور در اطراف موانع متغیر یا غیرمنتظره مانند خودرویی که دو بار در خیابان پارک شده است استفاده می کنند. این رویکرد دوگانه، AMR ها را قادر می سازد تا پیچیدگی های مناظر شهری را مدیریت کنند و تحویل دقیق را مستقیماً به درب منزل مشتریان انجام دهند.

اتوماسیون سایت ساخت و ساز: در سایت های ساخت و ساز، از AMR ها استفاده می شود تا اطمینان حاصل شود که پروژه با مشخصات دقیقی که مهندسان تعیین کرده اند ساخته شده است. آنها همچنین در کارهایی مانند حمل و نقل مواد و نقشه برداری یا نقشه برداری از محیط کمک می کنند. این سایت‌ها اغلب مناطق وسیعی را با محیط‌های دائماً در حال تغییر می‌پوشانند، و به AMR‌ها نیاز دارند تا از موقعیت‌یابی مطلق برای هدایت و حفظ جهت‌گیری در سایت کلی پروژه استفاده کنند. موقعیت یابی نسبی زمانی وارد عمل می شود که AMR کارهایی را انجام می دهد که نیاز به تعامل با عناصر پویا دارد، مانند اجتناب از سایر تجهیزات یا حتی پرسنل در سایت. ترکیب هر دو سیستم موقعیت یابی به AMR ها اجازه می دهد تا به طور موثر به ماهیت پیچیده و پویا پروژه های ساختمانی کمک کنند و کارایی و ایمنی را افزایش دهند.

تعمیر و نگهداری جاده خودمختار: AMR ها به طور فزاینده ای در کارهای تعمیر و نگهداری جاده ها مانند بازرسی روسازی، آب بندی ترک ها و رنگ آمیزی خطوط استفاده می شوند. این روبات‌ها از موقعیت‌یابی مطلق برای سفر در امتداد بزرگراه‌ها یا جاده‌ها استفاده می‌کنند، و تضمین می‌کنند که در مسافت‌های طولانی در مسیر باقی می‌مانند و می‌توانند دقیقاً مکان‌های خاصی را که نیاز به تعمیر و نگهداری دارد، ثبت کنند. هنگام انجام این وظایف تعمیر و نگهداری، آنها به موقعیت نسبی تغییر می کنند تا به طور دقیق عیوب جاده را شناسایی و برطرف کنند، خط کشی های خطوط را با دقت رنگ آمیزی کنند، یا در اطراف موانع حرکت کنند. این قابلیت دوگانه به AMR ها اجازه می دهد تا به طور موثر وظایف تعمیر و نگهداری جاده را مدیریت کنند و در عین حال نیاز به نیروی انسانی برای کار در محیط های خطرناک کنار جاده را کاهش دهند و ایمنی و بهره وری را بهبود بخشند.

پایش و حفاظت از محیط زیست: در محیط های بیرونی، AMR ها اغلب برای نظارت بر محیط زیست و تلاش های حفاظتی مانند ردیابی حیات وحش، تشخیص آلودگی و نقشه برداری زیستگاه مستقر می شوند. این روبات‌ها از موقعیت‌یابی مطلق برای حرکت در مناطق طبیعی وسیع، از جنگل‌ها گرفته تا مناطق ساحلی استفاده می‌کنند، و پوشش جامع زمین را تضمین می‌کنند و امکان ثبت نقشه‌برداری و بررسی دقیق سایت را فراهم می‌کنند. AMR ها می توانند کارهایی مانند گرفتن تصاویر با وضوح بالا، جمع آوری نمونه ها یا ردیابی حرکات حیوانات را با دقت دقیق انجام دهند و می توانند این نمونه ها را در طول زمان به روشی منسجم پوشش دهند.

در تمام مثال‌های بالا، دقت موقعیت‌یابی مطلق بسیار کمتر از یک متر برای جلوگیری از پیامدهای فاجعه‌بار بالقوه مورد نیاز است. صدمات کارگران، تلفات قابل توجه محصول و تأخیرهای پرهزینه همگی بدون مکان دقیق محتمل هستند. اساساً، در هر جایی که یک AMR نیاز دارد تا در چند سانتی‌متر عمل کند، باید راه‌حل‌های مکان نسبی و مطلق را داشته باشد.

فناوری برای موقعیت یابی نسبی

AMR ها از تعدادی حسگر استفاده می کنند تا موقعیت خود را در رابطه با اشیاء دیگر در محیط خود پیدا کنند. این موارد عبارتند از:

دوربین ها: دوربین ها به عنوان حسگرهای بصری ربات های متحرک مستقل عمل می کنند و به آنها تصویری فوری از محیط اطرافشان شبیه به نحوه کار چشم انسان ارائه می دهند. این دستگاه‌ها اطلاعات بصری غنی را ثبت می‌کنند که ربات‌ها می‌توانند از آن برای تشخیص اشیا، اجتناب از موانع و نقشه‌برداری محیط استفاده کنند. با این حال، دوربین‌ها به نور کافی وابسته هستند و می‌توانند در شرایط نامساعد جوی مانند مه، باران یا تاریکی با مشکل مواجه شوند. برای رفع این محدودیت‌ها، دوربین‌ها اغلب با سنسورهای مادون قرمز نزدیک یا مجهز به قابلیت‌های دید در شب هستند که به ربات‌ها اجازه می‌دهد در شرایط کم نور ببینند. دوربین ها یک جزء کلیدی در کیلومتر شماری بصری هستند، فرآیندی که در آن تغییرات موقعیت در طول زمان با تجزیه و تحلیل تصاویر متوالی دوربین محاسبه می شود. به طور کلی، دوربین‌ها همیشه به پردازش قابل توجهی نیاز دارند تا 2-تصاویر D خود را به ساختارهای 3- تبدیل کنند.

سنسورهای رادار: حسگرهای رادار با انتشار امواج رادیویی ضربانی که از اجسام منعکس می‌شوند کار می‌کنند و اطلاعاتی در مورد سرعت، فاصله و موقعیت نسبی جسم ارائه می‌دهند. این فناوری قوی است و می تواند در شرایط محیطی مختلف، از جمله باران، مه و گرد و غبار، جایی که دوربین ها و لیدار ممکن است با مشکل مواجه شوند، به طور موثر عمل کند. با این حال، سنسورهای رادار معمولاً داده های پراکنده و وضوح کمتری را در مقایسه با انواع دیگر حسگر ارائه می دهند. با وجود این، آنها به دلیل قابلیت اطمینان آنها در تشخیص سرعت اجسام متحرک بسیار ارزشمند هستند، و آنها را به ویژه در محیط های پویا که درک حرکت سایر موجودات حیاتی است، مفید می کند.

سنسورهای لیدار: Lidar یا تشخیص نور و محدوده، یک فناوری حسگر است که از پالس های لیزری برای اندازه گیری فاصله با زمان بندی بازتاب نور از اجسام استفاده می کند. لیدار با اسکن محیط با پالس های سریع لیزر، نقشه های سه بعدی بسیار دقیق و دقیقی از محیط اطراف ایجاد می کند. این آن را به ابزاری ضروری برای مکان‌یابی و نقشه‌برداری همزمان (SLAM) تبدیل می‌کند، جایی که ربات نقشه‌ای از یک محیط ناشناخته می‌سازد و در عین حال موقعیت خود را در آن نقشه پیگیری می‌کند. لیدار به دلیل دقت و توانایی خود در عملکرد خوب در شرایط نوری مختلف شناخته شده است، اگرچه می تواند در باران، برف یا مه که قطرات آب می توانند پرتوهای لیزر را پراکنده کنند کمتر موثر باشد. علیرغم اینکه لیدار یک فناوری گران قیمت است، به دلیل دقت و قابلیت اطمینان در محیط های پیچیده، در ناوبری مستقل مورد علاقه است.

سنسورهای اولتراسونیک: حسگرهای اولتراسونیک با انتشار امواج صوتی با فرکانس بالا که از اجسام مجاور منعکس می‌شوند، کار می‌کنند و سنسور زمان بازگشت پژواک را اندازه‌گیری می‌کند. این به ربات اجازه می دهد تا فاصله اشیاء و موانع موجود در مسیر خود را محاسبه کند. این حسگرها به ویژه برای تشخیص برد کوتاه مفید هستند و اغلب در فعالیت‌های آهسته و دور نزدیک مانند پیمایش در فضاهای تنگ مانند راهروهای انبار یا برای مانورهای دقیق مانند لنگر انداختن یا پشتیبان‌گیری استفاده می‌شوند. سنسورهای التراسونیک مقرون به صرفه هستند و در شرایط مختلف به خوبی کار می کنند، اما برد محدود و زمان پاسخ آهسته تر آنها در مقایسه با لیدار و دوربین ها به این معنی است که برای محیط های خاص و کنترل شده ای که در آن به دقت بالا در مجاورت نزدیک نیاز است، مناسب هستند.

فناوری پایه مورد استفاده برای موقعیت یابی مطلق با GNSS (اصطلاحی که شامل GPS و سایر سیستم های ماهواره ای مانند GLONASS، Galileo و BeiDou می شود) شروع می شود. با توجه به اینکه GNSS تحت تأثیر شرایط جوی و ناهماهنگی های ماهواره ای قرار می گیرد، می تواند یک راه حل موقعیتی ارائه دهد که چندین متر خاموش است. برای AMR هایی که به ناوبری دقیق تری نیاز دارند، این به اندازه کافی خوب نیست – بنابراین ظهور فناوری به نام تصحیحات GNSS که این خطا را به کمتر از یک سانتی متر کاهش می دهد.

Rtk: سینماتیک بلادرنگ (RTK) از شبکه ای از ایستگاه های پایه با موقعیت های شناخته شده به عنوان نقاط مرجع برای تصحیح تخمین های موقعیت گیرنده GNSS استفاده می کند. تا زمانی که AMR در 50 کیلومتری ایستگاه پایه قرار داشته باشد و یک پیوند ارتباطی قابل اعتماد داشته باشد، RTK می تواند به طور قابل اعتمادی دقت 1–{3}}سانتی متری را ارائه دهد.

SSR یا PPP-RTK: نمایش فضایی ایالتی (SSR)، که گاهی اوقات PPP-RTK نیز نامیده می شود، از اطلاعات شبکه ایستگاه پایه استفاده می کند، اما به جای ارسال تصحیحات مستقیم از یک ایستگاه پایه محلی، خطاها را در یک منطقه جغرافیایی وسیع مدل می کند. نتیجه این است که پوشش وسیع‌تر فاصله‌ای بسیار فراتر از 50 کیلومتر از یک ایستگاه پایه را می‌دهد، اما دقت بسته به چگالی و کیفیت شبکه به 3-10 سانتی‌متر یا بیشتر کاهش می‌یابد.

در حالی که این دو روش در جایی که سیگنال‌های GNSS در دسترس هستند (به طور کلی آسمان باز) به خوبی کار می‌کنند، بسیاری از AMR‌ها از آسمان باز دور می‌شوند، جایی که انسدادی بین گیرنده GNSS در AMR و آسمان وجود دارد. این می تواند در تونل ها، پارکینگ ها، باغ ها و محیط های شهری اتفاق بیفتد. اینجاست که سیستم‌های ناوبری اینرسی (INS) با واحد اندازه‌گیری اینرسی (IMU) و نرم‌افزار Sensor Fusion وارد بازی می‌شوند.

ایمو- یک IMU شتاب‌سنج‌ها، ژیروسکوپ‌ها و گاهی مغناطیس‌سنج‌ها را برای اندازه‌گیری شتاب خطی، سرعت زاویه‌ای و قدرت میدان مغناطیسی یک سیستم ترکیب می‌کند. این داده های بسیار مهمی است که به یک INS امکان می دهد موقعیت، سرعت و جهت یک شی را نسبت به یک نقطه شروع در زمان واقعی تعیین کند.

تاریخچه IMU به اوایل قرن بیستم باز می گردد و ریشه آن در توسعه دستگاه های ژیروسکوپی مورد استفاده در سیستم های ناوبری برای کشتی ها و هواپیماها است. اولین IMUهای عملی در طول جنگ جهانی دوم، عمدتاً برای استفاده در سیستم های هدایت موشک و بعداً در برنامه فضایی، توسعه یافتند. برای مثال، مأموریت‌های آپولو برای ناوبری در فضا، جایی که روش‌های ناوبری سنتی امکان‌پذیر نبود، به شدت به IMUها متکی بودند. در طول دهه‌ها، فناوری IMU به‌دلیل کوچک‌سازی اجزای الکترونیکی و ظهور فناوری سیستم‌های میکرو الکترومکانیکی (MEMS) در اواخر قرن بیستم پیشرفت چشمگیری داشته است. این تکامل منجر به جمع‌وجورتر، مقرون به صرفه‌تر و دقیق‌تر IMUها شده است که امکان ادغام آن‌ها را در طیف وسیعی از لوازم الکترونیکی مصرفی، سیستم‌های خودرو و کاربردهای صنعتی امروزی فراهم می‌کند.

فیوژن سنسور– نرم افزار ترکیب حسگر مسئول ترکیب داده های IMU و همچنین سایر حسگرها برای ایجاد درک منسجم و دقیق از مکان مطلق AMR در زمانی که GNSS در دسترس نیست، است. ابتدایی‌ترین پیاده‌سازی‌ها «شکاف‌ها را پر می‌کنند» در زمان واقعی، بین زمانی که سیگنال GNSS حذف می‌شود و زمانی که مجدداً توسط AMR دریافت می‌شود. دقت نرم افزار فیوژن سنسور به عوامل مختلفی از جمله کیفیت و کالیبراسیون حسگرهای درگیر، الگوریتم های مورد استفاده برای همجوشی و کاربرد یا محیط خاصی که در آن مستقر شده است بستگی دارد. نرم‌افزارهای پیچیده‌تر همجوشی حسگر قادر به همبستگی متقابل روش‌های حسگر مختلف است که در نتیجه دقت موقعیتی بالاتری نسبت به هر یک از سنسورهای موجود در راه‌حل به تنهایی دارد.

RTK برای GNSS منبع بسیار دقیقی از مکان مطلق را برای روبات‌های خودمختار فراهم می‌کند. با این حال، بدون RTK، بسیاری از کاربردهای روباتیک به سادگی ممکن یا عملی نیستند. از کاوشگرهای ساخت و ساز گرفته تا پهپادهای تحویل خودکار و ابزارهای کشاورزی خودمختار، تعداد زیادی AMR به موقعیت یابی مطلق دقیق سانتی متری بستگی دارد که فقط RTK می تواند ارائه دهد.

با این حال، راه حل RTK فقط به خوبی شبکه پشت آن است. اصلاحات قابل اعتماد مستمر مستلزم یک شبکه بسیار متراکم از ایستگاه های پایه است تا گیرنده ها همیشه در محدوده کافی برای تصحیح خطاهای دقیق قرار داشته باشند. هرچه شبکه بزرگتر باشد، دریافت اصلاحات برای AMR ها از هر کجا آسان تر است. تراکم به تنهایی تنها عامل نیست. شبکه‌ها سیستم‌های بلادرنگ بسیار پیچیده هستند و برای اطمینان از دقیق و قابل اعتماد بودن داده‌های ارسال شده به AMR، نیازمند نظارت، بررسی و بررسی یکپارچگی حرفه‌ای هستند.

همه اینها برای توسعه دهندگان ربات های خودمختار چه معنایی دارد؟ حداقل در مورد برنامه های کاربردی در فضای باز، هیچ AMR بدون گیرنده GNSS با RTK کامل نمی شود. برای دقیق ترین راه حل ممکن، توسعه دهندگان باید به متراکم ترین و قابل اطمینان ترین شبکه RTK تکیه کنند. و در جاهایی که روبات‌ها باید مکرراً به داخل و خارج از محیط‌های سیگنال GNSS ایده‌آل حرکت کنند، مانند یک وسیله نقلیه تحویل خودران، RTK همراه با یک IMU جامع‌ترین منبع موقعیت‌یابی مطلق موجود را فراهم می‌کند.

هیچ دو برنامه رباتیک مستقلی شبیه هم نیستند و هر راه اندازی منحصر به فرد به ترکیبی از اطلاعات موقعیت یابی نسبی و مطلق نیاز دارد. با این حال، برای AMR های فضای باز فردا، GNSS با شبکه اصلاحات RTK قوی، جزء ضروری پشته حسگر است.