I robot autonomi sono macchine intelligenti in grado di comprendere e navigare nel loro ambiente senza controllo o intervento umano. Sebbene robot autonomo la tecnologia è relativamente giovane, ci sono molti casi d’uso diversi di robot autonomi nelle fabbriche, nei magazzini, nelle città e nelle case. Ad esempio, i robot autonomi possono essere utilizzati per trasportare merci nei magazzini, come in Figure 1 , o eseguire la consegna dell'ultimo miglio, mentre altri tipi di robot autonomi possono aspirare le case o falciare i prati.
Figura 1: un robot esegue compiti in un magazzino. (Fonte: Texas Instruments)
L'autonomia richiede che i robot possano rilevare e orientarsi all'interno di un ambiente mappato, rilevare dinamicamente gli ostacoli intorno a loro, tracciare tali ostacoli, pianificare il percorso per raggiungere una destinazione specifica e controllare il veicolo per seguire tale piano. Inoltre, il robot deve eseguire queste attività solo quando è sicuro farlo, evitando situazioni che mettano a rischio l'uomo, la proprietà o il sistema autonomo stesso.
Con i robot che lavorano in una maggiore vicinanza agli esseri umani che mai, non devono solo essere autonomi, mobili ed efficienti dal punto di vista energetico, ma devono anche soddisfare i requisiti di sicurezza funzionale. Sensori, processori e dispositivi di controllo possono aiutare i progettisti a raggiungere i rigorosi requisiti degli standard di sicurezza funzionale, come la Commissione elettrotecnica internazionale (IEC) 61508.
Considerazioni sul rilevamento nei robot autonomi
Un robot senza sensori andrà inevitabilmente a sbattere contro gli ostacoli, inclusi muri, altri robot o esseri umani, e potrebbe causare gravi lesioni. Esistono diversi tipi di sensori che possono aiutare a risolvere le sfide poste dai robot autonomi.
I sensori di visione emulano da vicino la visione e la percezione umana. I sistemi di visione possono risolvere le sfide della localizzazione, del rilevamento degli ostacoli e dell'evitamento delle collisioni perché hanno una copertura spaziale ad alta risoluzione e la capacità non solo di rilevare oggetti, ma anche di classificarli. I sensori di visione sono anche più economici rispetto a sensori come LiDAR. Tuttavia, i sensori di visione sono molto impegnativi dal punto di vista computazionale.
Le unità di elaborazione centrale (CPU) e le unità di elaborazione grafica (GPU) assetate di energia possono rappresentare una sfida nei sistemi robotici autonomi con limitazioni di alimentazione. Quando si progetta un sistema robotico efficiente dal punto di vista energetico, l'elaborazione basata su CPU o GPU dovrebbe essere minima.
Il system-on-chip (SoC) in un sistema di visione efficiente dovrebbe elaborare la catena del segnale di visione ad alta velocità e bassa potenza, con costi di sistema ottimizzati. Il SoC deve anche scaricare attività computazionalmente intensive come elaborazione di immagini grezze, dewarping, stima della profondità stereo, ridimensionamento, generazione di piramidi di immagini e deep learning per la massima efficienza del sistema. I SoC utilizzati per l'elaborazione della visione devono essere intelligenti, sicuri ed efficienti dal punto di vista energetico, che possono raggiungere elevati livelli di integrazione su chip in un'architettura SoC eterogenea.
Diamo uno sguardo più da vicino all'uso del rilevamento radar a onde millimetriche (mmWave) di Texas Instruments (TI), ad esempio, nei robot autonomi. L'utilizzo del radar TI mmWave nelle applicazioni robotiche è un concetto relativamente nuovo, ma l'idea di utilizzare il rilevamento TI mmWave per l'autonomia è in circolazione da un po'. Nelle applicazioni automobilistiche, il radar TI mmWave è uno dei componenti chiave dei sistemi avanzati di assistenza alla guida (ADAS) ed è stato utilizzato per monitorare i dintorni di un veicolo. Puoi prendere alcuni di quegli stessi concetti ADAS, come il monitoraggio della vista surround o l'evitamento delle collisioni, e applicarli ai robot autonomi.
Il radar TI mmWave è unico dal punto di vista della tecnologia di rilevamento perché questi sensori forniscono informazioni su portata, velocità e angolo di arrivo degli oggetti e istruiscono meglio il robot su come navigare per evitare le collisioni. Utilizzo del radar sensore dati, il robot può decidere di continuare il suo percorso in sicurezza o rallentare o addirittura fermarsi, a seconda della posizione, della velocità e della traiettoria di una persona o di un oggetto in avvicinamento, come mostrato in Figure 2 .
È importante notare che il radar TI mmWave visualizza l'ambiente in tre dimensioni, il che consente al sensore di percepire oggetti che potrebbero non essere direttamente nel percorso di guida del robot. Grazie a questa capacità di rilevamento 3D, i sensori radar TI mmWave possono inoltre fornire informazioni sull'altezza che sono fondamentali non solo per rilevare oggetti che giacciono a terra, ma anche oggetti che potrebbero sporgere dall'alto nel percorso di un robot.
I sensori TI mmWave possono anche rilevare in modo affidabile vetro e altri materiali trasparenti che altri sensori come fotocamere e LiDAR potrebbero "vedere" attraverso l'oggetto trasparente e non riuscire a rilevare con precisione. Il radar TI mmWave è anche più robusto in condizioni ambientali difficili in cui i sensori ottici tendono ad avere più difficoltà. Poiché il radar TI mmWave utilizza le onde radio invece della luce per rilevare gli oggetti, è immune a fattori ambientali come scarsa illuminazione, pioggia, nebbia, polvere e fumo.
Figura 2: un robot di magazzino utilizza il rilevamento radar. (Fonte: Texas Instruments Inc.)
Affrontare i complessi problemi dei robot autonomi con la fusione dei sensori e l'AI
Per applicazioni robotiche autonome più complesse, un singolo sensore da solo potrebbe non essere sufficiente per consentire l'autonomia, indipendentemente dal tipo di sensore. Diverse modalità di rilevamento hanno punti di forza e limiti distintivi.
Il radar è una buona soluzione per il rilevamento di oggetti e fornisce una vasta gamma di visibilità in ambienti difficili, ma presenta limitazioni quando si tratta di classificazione degli oggetti o precisione del bordo degli oggetti. I sensori LiDAR possono fornire precisione e accuratezza, ma possono essere costosi e affamati di energia. I sensori di visione possono fornire la classificazione degli oggetti e l'intelligenza della scena ad alta risoluzione, ma possono essere computazionalmente intensivi e richiedere una fonte di luce esterna per funzionare. In definitiva, sensori come telecamere o radar dovrebbero completarsi a vicenda in un sistema. Sfruttare i punti di forza delle diverse modalità di sensori attraverso la fusione dei sensori può aiutare a risolvere alcune delle sfide più complesse dei robot autonomi.
Mentre la fusione dei sensori aiuta i robot autonomi a essere più precisi, l'uso dell'intelligenza artificiale ai margini può aiutare a rendere i robot intelligenti. L'integrazione dell'intelligenza artificiale nei sistemi robotici autonomi può aiutare i robot a percepire, prendere decisioni ed eseguire azioni in modo intelligente.
Un robot autonomo con intelligenza artificiale può rilevare in modo intelligente l'oggetto e la sua posizione, classificare l'oggetto e agire di conseguenza. Ad esempio, quando un robot sta navigando in un magazzino affollato, l'intelligenza artificiale può aiutare il robot a dedurre quali tipi di oggetti - inclusi esseri umani, scatole, macchinari o persino altri robot - si trovano sul suo cammino e decidere quali azioni sono appropriate per navigare intorno a loro.
L'intelligenza artificiale può anche aiutare i robot a svolgere compiti specifici in modo più autonomo. Ad esempio, se un robot sta spostando un carrello in un magazzino, l'IA basata sulla visione aiuta il robot a rilevare e dedurre la posa e la posizione del carrello in modo che il robot possa posizionarsi con precisione, attaccarsi al carrello e quindi spostarlo intorno al piano del magazzino.
Quando si progetta un sistema robotico che incorpora l'intelligenza artificiale, dovrebbero esserci considerazioni di progettazione sia per l'hardware che per il software. Idealmente, il SoC dovrebbe avere acceleratori hardware per le funzioni AI per aiutare a svolgere attività computazionalmente intensive in tempo reale. Avere accesso a un ambiente di sviluppo software AI facile da usare può aiutare a semplificare e accelerare i processi di sviluppo delle applicazioni e di distribuzione dell'hardware.
Conclusione
Progettare robot più intelligenti e autonomi è una necessità per continuare a migliorare l'automazione. I robot possono essere utilizzati nei magazzini e nelle consegne per tenere il passo e migliorare la crescita dell'e-commerce. I robot possono eseguire attività domestiche banali come passare l'aspirapolvere e falciare. L'utilizzo di robot autonomi sblocca la produttività e l'efficienza che aiutano a migliorare e aggiungere valore alle nostre vite.
Circa gli autori
Manisha Agrawal è un ingegnere di marketing di prodotto per la linea di prodotti di processori Jacinto. Ha anni di esperienza nell'elaborazione del segnale di visione end-to-end su SoC TI attraverso vari ruoli in software, applicazioni e ingegneria dei sistemi. Il suo recente focus e area di interesse è su AI e robotica. Manisha ha una laurea in ingegneria elettrica presso l'IIT Kanpur, in India, e detiene tre brevetti a suo nome.
Jitin George è un ingegnere di marketing di prodotto per i sensori radar industriali mmWave presso Texas Instruments. Dal 2019, ha guidato gli sforzi di marketing a livello mondiale per i radar industriali nell'automazione di fabbrica, con un focus specifico sulla crescita del business nel mercato della robotica.
Sam Visalli è il responsabile dei sistemi per la linea di prodotti Sitara MCU. Sam ha trascorso gli ultimi anni lavorando come responsabile della sicurezza funzionale per le linee di prodotti di processori Jacinto e Sitara. Ha aiutato TI a progettare prodotti e sistemi per applicazioni di sicurezza funzionale così diverse come la guida autonoma, l'automazione di fabbrica e la robotica. Sam fa anche parte dei comitati statunitensi per gli standard di sicurezza funzionale IEC61508 e ISO26262 e collabora con molteplici iniziative di sicurezza funzionale a livello di TI.
su Texas Instruments