Los robots autónomos son máquinas inteligentes que pueden comprender y navegar por su entorno sin control ni intervención humana. Aunque robot autónomo la tecnología Aunque es relativamente joven, existen muchos casos de uso diferentes de robots autónomos en fábricas, almacenes, ciudades y hogares. Por ejemplo, los robots autónomos se pueden utilizar para transportar mercancías por los almacenes, como en Figura 1 y XNUMX, o realizar entregas de última milla, mientras que otros tipos de robots autónomos pueden aspirar casas o cortar el césped.
Figura 1: Un robot realiza tareas en un almacén. (Fuente: Texas Instruments)
La autonomía requiere que los robots puedan sentir y orientarse dentro de un entorno mapeado, detectar dinámicamente los obstáculos a su alrededor, rastrear esos obstáculos, planificar su ruta para llegar a un destino específico y controlar el vehículo para seguir ese plan. Además, el robot debe realizar estas tareas solo cuando sea seguro hacerlo, evitando situaciones que supongan riesgos para los humanos, la propiedad o el propio sistema autónomo.
Dado que los robots trabajan más cerca de los humanos que nunca, no solo deben ser autónomos, móviles y energéticamente eficientes, sino que también deben cumplir con los requisitos de seguridad funcional. Los sensores, procesadores y dispositivos de control pueden ayudar a los diseñadores a alcanzar los rigurosos requisitos de los estándares de seguridad funcional, como la Comisión Electrotécnica Internacional (IEC) 61508.
Consideraciones para la detección en robots autónomos
Un robot sin sensores chocará inevitablemente contra obstáculos, incluidas paredes, otros robots o humanos, y podría provocar lesiones graves. Hay varios tipos diferentes de sensores que pueden ayudar a resolver los desafíos que plantean los robots autónomos.
Los sensores de visión emulan de cerca la visión y la percepción humanas. Los sistemas de visión pueden resolver los desafíos de localización, detección de obstáculos y prevención de colisiones porque tienen una cobertura espacial de alta resolución y la capacidad no solo de detectar objetos, sino de clasificarlos. Los sensores de visión también son más rentables en comparación con sensores como LiDAR. Sin embargo, los sensores de visión son muy intensivos en computación.
Las unidades de procesamiento central (CPU) y las unidades de procesamiento de gráficos (GPU) que consumen mucha energía pueden representar un desafío en los sistemas de robots autónomos con limitaciones de energía. Al diseñar un sistema robótico energéticamente eficiente, el procesamiento basado en CPU o GPU debe ser mínimo.
El sistema en chip (SoC) en un sistema de visión eficiente debe procesar la cadena de señales de visión a altas velocidades y baja potencia, con costos de sistema optimizados. El SoC también debe descargar tareas computacionalmente intensivas como procesamiento de imágenes sin procesar, corrección de distorsión, estimación de profundidad estéreo, escalado, generación de pirámides de imágenes y aprendizaje profundo para la máxima eficiencia del sistema. Los SoC utilizados para el procesamiento de la visión deben ser inteligentes, seguros y energéticamente eficientes, lo que se puede lograr con altos niveles de integración en el chip en una arquitectura de SoC heterogénea.
Echemos un vistazo más de cerca al uso de la detección de radar de ondas milimétricas (mmWave) de Texas Instruments (TI), como ejemplo, en robots autónomos. Usar el radar TI mmWave en aplicaciones robóticas es un concepto relativamente nuevo, pero la idea de usar la detección TI mmWave para la autonomía ha existido por un tiempo. En aplicaciones automotrices, el radar TI mmWave es uno de los componentes clave de los sistemas avanzados de asistencia al conductor (ADAS) y se ha utilizado para monitorear los alrededores de un vehículo. Puede tomar algunos de esos mismos conceptos de ADAS, como el monitoreo de vista envolvente o la prevención de colisiones, y aplicarlos a robots autónomos.
El radar TI mmWave es único desde la perspectiva de la tecnología de detección porque estos sensores brindan información sobre el alcance, la velocidad y el ángulo de llegada de los objetos, e instruyen mejor al robot sobre cómo navegar para evitar colisiones. Usando radar sensor datos, el robot puede decidir continuar con seguridad en su camino o reducir la velocidad o incluso detenerse, según la posición, la velocidad y la trayectoria de una persona u objeto que se acerque, como se muestra en Figura 2 y XNUMX.
Es importante tener en cuenta que el radar TI mmWave visualiza el entorno en tres dimensiones, lo que permite que el sensor perciba objetos que podrían no estar directamente en la ruta de conducción del robot. Debido a esta capacidad de detección 3D, los sensores de radar TI mmWave pueden proporcionar adicionalmente información de altura que es crítica no solo para detectar objetos que yacen en el suelo, sino también objetos que podrían sobresalir en la trayectoria de un robot desde arriba.
Los sensores TI mmWave también pueden detectar de manera confiable vidrio y otros materiales transparentes que otros sensores como cámaras y LiDAR podrían "ver" a través del objeto transparente y no detectar con precisión. El radar TI mmWave también es más robusto en condiciones ambientales desafiantes donde los sensores ópticos tienden a tener más dificultades. Debido a que el radar TI mmWave utiliza ondas de radio en lugar de luz para detectar objetos, es inmune a factores ambientales como poca iluminación, lluvia, niebla, polvo y humo.
Figura 2: Un robot de almacén utiliza sensores de radar. (Fuente: Texas Instruments Inc.)
Abordar problemas complejos de robots autónomos con fusión de sensores e IA
Para aplicaciones de robots autónomos más complicadas, un solo sensor por sí solo puede no ser suficiente para permitir la autonomía, independientemente del tipo de sensor. Las diferentes modalidades de detección tienen fortalezas y limitaciones distintivas.
El radar es una buena opción para la detección de objetos y proporciona un amplio rango de visibilidad en entornos desafiantes, pero tiene limitaciones en lo que respecta a la clasificación de objetos o la precisión de los bordes de los objetos. Los sensores LiDAR pueden proporcionar precisión y exactitud, pero pueden ser costosos y consumir mucha energía. Los sensores de visión pueden proporcionar clasificación de objetos e inteligencia de escena con alta resolución, pero pueden ser computacionalmente intensivos y requieren una fuente de luz externa para funcionar. En última instancia, los sensores como la cámara o el radar deben complementarse entre sí en un sistema. Aprovechar las fortalezas de diferentes modalidades de sensores a través de la fusión de sensores puede ayudar a resolver algunos de los desafíos más complejos de los robots autónomos.
Si bien la fusión de sensores ayuda a los robots autónomos a ser más precisos, el uso de inteligencia artificial en el borde puede ayudar a que los robots sean inteligentes. La incorporación de IA en sistemas de robots autónomos puede ayudar a que los robots perciban, tomen decisiones y realicen acciones de manera inteligente.
Un robot autónomo con IA puede detectar de forma inteligente el objeto y su posición, clasificar el objeto y actuar en consecuencia. Por ejemplo, cuando un robot está navegando por un almacén ocupado, la IA puede ayudar al robot a inferir qué tipo de objetos, incluidos humanos, cajas, maquinaria o incluso otros robots, se encuentran en su camino y decidir qué acciones son apropiadas para navegar alrededor de ellos.
La IA también puede ayudar a los robots a realizar tareas específicas de forma más autónoma. Por ejemplo, si un robot está moviendo una plataforma rodante por un almacén, la IA basada en la visión ayuda al robot a detectar e inferir la pose y la posición de la plataforma rodante para que el robot pueda posicionarse con precisión, adherirse a la plataforma rodante y luego moverla. alrededor del piso del almacén.
Al diseñar un sistema de robot que incorpora IA, debe haber consideraciones de diseño tanto para el hardware como para el software. Idealmente, el SoC debería tener aceleradores de hardware para las funciones de IA para ayudar a realizar tareas computacionalmente intensivas en tiempo real. Tener acceso a un entorno de desarrollo de software de inteligencia artificial fácil de usar puede ayudar a simplificar y acelerar el desarrollo de aplicaciones y los procesos de implementación de hardware.
Conclusión
Diseñar robots más inteligentes y autónomos es una necesidad para seguir mejorando la automatización. Los robots se pueden utilizar en almacenes y entregas para mantenerse al día y mejorar el crecimiento del comercio electrónico. Los robots pueden realizar tareas domésticas mundanas como pasar la aspiradora y cortar el césped. El uso de robots autónomos desbloquea la productividad y la eficiencia que ayuda a mejorar y agregar valor a nuestras vidas.
Sobre los autores
Manisha Agrawal es ingeniera de marketing de productos para la línea de productos procesadores Jacinto. Tiene años de experiencia en el procesamiento de señales de visión de un extremo a otro en SoC de TI a través de varios roles en software, aplicaciones e ingeniería de sistemas. Su enfoque y área de interés más recientes es la inteligencia artificial y la robótica. Manisha tiene una maestría en ingeniería eléctrica de IIT Kanpur, India, y posee tres patentes a su nombre.
Jitin George es ingeniero de marketing de productos para sensores de radar industriales mmWave en Texas Instruments. Desde 2019, ha liderado los esfuerzos de marketing a nivel mundial para radares industriales en la automatización de fábricas, con un enfoque específico en el crecimiento del negocio en el mercado de la robótica.
Sam Visalli es el administrador de sistemas de la línea de productos Sitara MCU. Sam ha pasado los últimos años trabajando como gerente de seguridad funcional para las líneas de productos de procesadores Jacinto y Sitara. Ha ayudado a TI a diseñar productos y sistemas para aplicaciones de seguridad funcional tan diversas como conducción autónoma, automatización de fábricas y robótica. Sam también forma parte de los comités de EE. UU. Para los estándares de seguridad funcional IEC61508 e ISO26262 y trabaja con múltiples iniciativas de seguridad funcional en todo TI.
acerca de Texas Instruments