تخيل أنك تمشي في منطقة غير معروفة لك - معصوب العينين. إن فرص إصابة شيء ما عالية جدًا. وهذا بالضبط ما ستواجهه الروبوتات إذا لم تكن مزودة بأجهزة استشعار. استخدام مدخل بطاقة الذاكرة : نعم يسمح الاندماج بجمع البيانات بواسطة أجهزة الاستشعار المختلفة لتمكين الروبوتات من التنقل بأمان عبر أي بيئة.
يجب أن تتنقل الروبوتات عبر بيئات غير معروفة لها ولكنها تحتاج إلى التفاعل والتكيف معها من خلال اكتشاف الأشياء ، وتصنيف تلك الكائنات ، ثم تجنبها في النهاية. بالإضافة إلى ذلك ، يحتاج الروبوت أيضًا إلى رسم خريطة للمنطقة التي يجتازها من خلال تحديد البوابات أو المنحدرات أو الممرات ، على سبيل المثال ، والتعايش بأمان مع البشر والروبوتات الآخرين.
بالنظر تحديدًا إلى الروبوتات المتنقلة المستقلة (AMR) ، هناك ثلاثة تحديات يحتاج المصممون إلى حلها لتحقيق التنقل الفعال والمستقل:
- الكشف الآمن عن التواجد البشري. يبدأ تسهيل القدرة على اكتشاف وجود البشر بتحديد منطقة أمان حول الروبوت مما يؤدي إلى إيقافه أو تجنبه لشخص قريب من تلك المنطقة.
- رسم الخرائط والتعريب. يجب أن يكون لدى الروبوت خريطة للبيئة حيث سيعمل ، مع معرفة مكانه في أي وقت ، حتى يتمكن من العودة إلى نقطة بداية محددة أو الوصول إلى وجهة محددة مسبقًا.
- تفادي الاصطدام. يحتاج AMR إلى تجنب الأشياء الموجودة في مساره والتنقل عبر الممرات أو البوابات عن طريق تجنب أي نوع من العوائق.
يمثل اندماج المستشعرات خطوة مهمة في الروبوتات للانتقال من المركبات الموجهة إلى المركبات ذاتية التحكم تمامًا التي تعمل بأمان في أي بيئة. (المصدر: شركة Texas Instruments Inc.)
من الممكن مواجهة هذه التحديات باستخدام أنواع مختلفة من تقنيات الاستشعار التي ، عند دمجها معًا ، تمنح الروبوت مستوى من الاستقلالية التي تمكنه من العمل بشكل مستقل وآمن في أي بيئة.
يعد LiDAR والرادار من أكثر التقنيات شيوعًا المستخدمة لإنشاء فقاعة أمان حول AMRs حتى يتمكنوا من اكتشاف وجود البشر.
ولكن ما هو أفضل جهاز استشعار التكنلوجيا لمعالجة رسم الخرائط في الأماكن المغلقة والتوطين؟ وبالنظر إلى البيئة غير المعروفة، سيحتاج AMR إلى إنشاء خريطة ديناميكية عن طريق قياس موضع أقرب الأشياء أو الهياكل باستخدام أجهزة الاستشعار بالموجات فوق الصوتية، وLiDAR، ووقت الرحلة ثلاثي الأبعاد، وأجهزة استشعار الرادار. ومن ثم يمكن للجيروسكوبات، ومقاييس التسارع، وأجهزة التشفير قياس المسافة التي قطعتها مقاومة مضادات الميكروبات من موقعها الأصلي.
للتصميم لتجنب الاصطدام ، من المهم معرفة خصائص الكائن (المادة والشكل واللون) وما إذا كان كائنًا ثابتًا (على سبيل المثال ، جدار أو رف) أو كائن ديناميكي (مثل روبوت آخر).
إذا كان كائنًا ثابتًا ، فيجب أن يحصل الروبوت على هذه المعلومات أثناء رسم خريطة للمنطقة حتى يتمكن من التخطيط لتجنب الكائن مقدمًا. إذا كان كائنًا ديناميكيًا ، فإن دمج البيانات القادمة من مستشعرات مختلفة في الوقت الفعلي يمكن أن يكتشف المسافة من الكائن وأبعاده وسرعته ، وبالتالي تنفيذ تجنب الاصطدام النشط.
يعالج اندماج المستشعر هذه التحديات من خلال التغلب على القيود الفردية لتقنيات أجهزة الاستشعار الفردية. على سبيل المثال ، الرادار والليدار جيدان في قياس المسافات بدقة عالية ودقة عالية ، ويعملان في ظروف الإضاءة السيئة ، ولا يتأثران بظروف الطقس.
من ناحية أخرى ، فإن الكاميرات ، مثل أعيننا ، جيدة في تصنيف الأشياء وتمييز الأشكال والألوان ولكنها ذات أداء محدود في الظروف البيئية - مما يؤدي في النهاية إلى ضعف الرؤية. فقط من خلال استخدام تقنيات أجهزة استشعار مختلفة ، يمكن لـ AMR تحقيق مستوى من الاستقلالية يمكّنها من التنقل بأمان عبر أي بيئة ، حتى في البيئات غير المعروفة لها.
يمكن أن توفر شركة Texas Instruments (TI) كل شيء من المستشعرات إلى المعالجات اللازمة لدمج مستشعر AMR مع مجموعة تمتد عبر سلسلة الإشارات الآلية بالكامل.
تتراوح مجموعة أجهزة الاستشعار الخاصة بالشركة من الحلول المنفصلة إلى الحلول المتكاملة للغاية لتنفيذ اندماج المستشعرات. على سبيل المثال ، تدمج مستشعرات TI ذات الموجة المليمترية (mmWave) من المستوى 2 لسلامة السلامة ، المستوى 60 77 و XNUMX جيجاهرتز ، معالج إشارة رقمي ، ووحدة تحكم دقيقة ، ونهاية أمامية عالية التردد ، وتولد قيمًا مُقاسة للمسافة والسرعة ، وزاوية حدوث الكائنات في مجال رؤية AMR.
يتيح تنفيذ ماسح ضوئي لمنطقة الأمان باستخدام المستشعر للروبوت اكتشاف وتحديد الكائنات في ثلاثة أبعاد. بالإضافة إلى اكتشاف الإنسان ، يمكن لـ AMR أيضًا تحديد اتجاه حركة الإنسان وسرعته. باستخدام هذه المعلومات ، يمكن للروبوت تحديد منطقة أمان حوله وضبط سرعته ديناميكيًا ، اعتمادًا على مدى قرب الإنسان.
إن الجمع بين الكاميرا ومستشعر TI mmWave ، على سبيل المثال ، يمكّن AMR من الحصول على معلومات إضافية حول خصائص الكائن التي لا يمكن تحقيقها باستخدام مستشعر واحد فقط. بطبيعة الحال ، فإن اندماج الرادار والكاميرا يجلب تحديات إضافية للنظام ، مثل:
- من الممكن معايرة الكاميرات باستخدام إجراءات معايرة OpenCV وخوارزمية التقاط رقعة الشطرنج أثناء معايرة الرادارات بعواكس الزاوية.
- تزامن البيانات. يتطلب تحقيق المعالجة المتوازية لدفق البيانات الواردة تزامنًا زمنيًا بين الرادار والكاميرا.
- محاذاة البيانات المكانية. أثناء حساب البيانات ، تبدأ عملية تراكب الصور القادمة من أجهزة استشعار ووجهات نظر مختلفة.
- التعرف على الأشياء وتصنيفها. بعد إجراء المحاذاة المكانية والتجميع والتصنيف ، ستمكّن البيانات من التعرف على الكائنات وتصنيفها.
يعمل معالج TI Jacinto على تسريع اندماج المستشعر من خلال التقاط جميع بيانات المستشعر ومعالجة البيانات وتفسير القياسات للتحكم في AMR. تحتوي مجموعة تطوير برامج Jacinto على أدوات تتضمن أطر عمل مفتوحة المصدر للتعلم العميق مثل TensorFlow Lite ، بالإضافة إلى مجموعة أدوات رؤية وإدراك الكمبيوتر التي تعالج بعض التحديات المذكورة سابقًا ، بما في ذلك تصنيف الصور واكتشاف الكائنات والدلالات. تجزئة.
يجب تنفيذ اندماج المستشعر داخل بيئة نظام تشغيل روبوت تتيح استخدام أجهزة الاستشعار كعقد للنظام ، ودمج أجهزة الاستشعار واختبارها وفقًا لذلك لحل التحديات التي تمت مناقشتها في الورقة.
يجب أن يحدث اندماج المستشعر في الوقت الفعلي ، خاصةً إذا كان AMR يتعاون مع البشر ، لأن الروبوت يجب أن يعتمد على البيانات الواردة من المستشعرات لضمان عدم إلحاق الضرر بأي إنسان قريب أثناء أداء المهام. يعد إحضار تدفق البيانات من عقدة المستشعر إلى دماغ الروبوت بواجهة اتصال عالية السرعة أمرًا ضروريًا للاستجابة في الوقت الفعلي حتى تتمكن AMR من الاستجابة بسرعة بناءً على مدخلات المستشعر.
يمكن أن تساعد البيانات التي يتم الحصول عليها من المستشعرات أيضًا في بناء نماذج أفضل للتعلم الآلي والذكاء الاصطناعي التي تعتمد عليها الروبوتات لتصبح مستقلة ، وتتخذ قرارات في الوقت الفعلي وتتنقل في بيئات العالم الواقعي الديناميكية.
على الرغم من التحديات العديدة التي تصاحب اندماج المستشعرات ، تمثل هذه التقنية خطوة مهمة في مجال الروبوتات للانتقال من المركبات الموجهة إلى المركبات ذاتية التحكم تمامًا والتي ستسمح أخيرًا بالتعايش بين البشر والروبوتات وتجعل العمل أكثر كفاءة وربحية.
عن المؤلف
جيوفاني كامبانيلا هو المدير العام للقطاع في شركة Texas Instruments ، ويركز على أتمتة المباني وأتمتة البيع بالتجزئة والدفع والأجهزة. يقود جيوفاني فريقًا يساعد في حل تحديات تصميم العملاء على أساس عالمي. لديه خبرة واسعة في التقنيات التناظرية والاستشعار بالإضافة إلى مهارات تحليلية وشخصية قوية مقترنة بسلوك عملي. حصل جيوفاني على درجة البكالوريوس في هندسة الإلكترونيات والاتصالات السلكية واللاسلكية من جامعة بولونيا ودرجة الماجستير في الهندسة الإلكترونية من جامعة البوليتكنيك في تورين.
حول شركة Texas Instruments