דמיינו לעצמכם הליכה באזור לא ידוע לכם - עם כיסוי עיניים. הסיכוי שתפגע במשהו הוא גבוה מאוד. וזה בדיוק מה שרובוטים היו מתמודדים אם לא מצוידים בחיישנים. באמצעות חיישן היתוך מאפשר לאסוף נתונים על ידי החיישנים השונים כדי לאפשר לרובוטים לנווט בבטחה בכל סביבה.
רובוטים חייבים לנווט בסביבות שאינן מוכרות להם אך אליהן הם צריכים להגיב ולהסתגל על ידי זיהוי עצמים, סיווג אותם אובייקטים, ואז בסופו של דבר הימנעות מהם. בנוסף, הרובוט צריך גם למפות את האזור שמעליו הוא חוצה על ידי זיהוי שערים, צוקים או מעברים, למשל, ולהתקיים בבטחה עם בני אדם ורובוטים אחרים.
בהסתכלות ספציפית על רובוטים ניידים אוטונומיים (AMR), ישנם שלושה אתגרים שמתכננים צריכים לפתור כדי להשיג ניווט יעיל ואוטונומי:
- זיהוי נוכחות אנושית בטוח. הקלה על היכולת לזהות נוכחות של בני אדם מתחילה בהגדרה של אזור בטיחות סביב הרובוט שיגרום לו לעצור או להימנע מאדם שנמצא בקרבת אזור זה.
- מיפוי ולוקליזציה. הרובוט חייב להיות בעל מפה של הסביבה בה הוא עומד לפעול, תוך שהוא יודע היכן הוא ממוקם בכל נקודת זמן, כדי שיוכל לחזור לנקודת התחלה מוגדרת או להגיע ליעד מוגדר מראש.
- הימנעות מהתנגשות. ה-AMR צריך להימנע מחפצים שנמצאים בדרכו ולנווט דרך מעברים או שערים על ידי הימנעות מכל סוג של מכשול.
היתוך חיישנים מייצג שלב חשוב ברובוטיקה לעבור מרכבים מונחים לרכבים אוטונומיים לחלוטין הפועלים בבטחה בכל סביבה. (מקור: Texas Instruments Inc.)
ניתן להתמודד עם האתגרים הללו באמצעות סוגים שונים של טכנולוגיות חישה, שכאשר מתמזגות יחד, מעניקות לרובוט רמת אוטונומיה המאפשרת לו לעבוד באופן עצמאי ובטוח בכל סביבה.
LiDAR ומכ"ם הם הטכנולוגיות הפופולריות ביותר המשמשות ליצירת בועת בטיחות סביב AMR כדי שיוכלו לזהות נוכחות של בני אדם.
אבל מה החיישן הטוב ביותר טֶכנוֹלוֹגִיָה לטפל במיפוי ולוקליזציה פנימית? בהתחשב בסביבה לא ידועה, ה-AMR יצטרך ליצור מפה דינמית על ידי מדידת המיקום של העצמים או המבנים הקרובים ביותר באמצעות חיישני אולטרסאונד, LiDAR, 3D זמן טיסה וחיישני מכ"ם. אז גירוסקופים, מדי תאוצה ומקודדים יוכלו למדוד את המרחק שעבר ה-AMR ממיקומו המקורי.
כדי לעצב למניעת התנגשויות, חשוב לדעת את מאפייני האובייקט (חומר, צורה, צבע) והאם מדובר באובייקט סטטי (לדוגמה, קיר או מדף) או אובייקט דינמי (כגון רובוט אחר).
אם מדובר באובייקט סטטי, הרובוט חייב לרכוש מידע זה תוך מיפוי השטח כדי שיוכל לתכנן להימנע מהאובייקט מראש. אם מדובר באובייקט דינמי, היתוך נתונים המגיעים מחיישנים שונים בזמן אמת יכול לזהות את המרחק מהאובייקט, את הממד שלו ואת המהירות שלו, ובכך ליישם הימנעות אקטיבית מהתנגשות.
היתוך חיישנים נותן מענה לאתגרים הללו על ידי התגברות על המגבלות האישיות של טכנולוגיות חיישנים בודדות. לדוגמה, מכ"ם ו-LiDAR טובים במדידת מרחקים בדיוק ובדיוק גבוהים, עובדים בתנאי תאורה גרועים ואינם מושפעים מתנאי מזג האוויר.
מצד שני, מצלמות, כמו העיניים שלנו, טובות בסיווג אובייקטים ובהבחנה בין צורות וצבעים, אך בעלות ביצועים מוגבלים בתנאי סביבה - מה שמוביל בסופו של דבר לנראות נמוכה. רק על ידי שימוש בטכנולוגיות חיישנים שונות, AMR יכול להשיג רמת אוטונומיה שתאפשר לו לנווט בבטחה בכל סביבה, אפילו בסביבות שאינן מוכרות לו.
טקסס אינסטרומנטס (TI) יכולה לספק כל דבר, החל מהחיישנים ועד למעבדים הדרושים להיתוך חיישני AMR עם פורטפוליו המשתרע על כל שרשרת האותות הרובוטית.
סל החיישנים של החברה נע בין פתרונות דיסקרטיים לפתרונות משולבים במיוחד ליישום היתוך חיישנים. לדוגמה, חיישני שלמות בטיחות רמה-2 60 ו-77 ג'יגה-הרץ עם שבב יחיד TI מילימטר-גל (mmWave) משלבים מעבד אותות דיגיטלי, מיקרו-בקר וחזית קצה בתדר גבוה ומייצרים ערכים נמדדים עבור המרחק, המהירות , וזווית הפגיעה של העצמים בשדה הראייה של AMR.
הטמעת סורק אזור בטיחות עם החיישן מאפשר לרובוט לזהות ולמקם עצמים בתלת מימד. מעבר לזיהוי של אדם, ה-AMR יכול גם לקבוע את כיוון הנסיעה והמהירות של אותו אדם. בעזרת מידע זה, הרובוט יכול להגדיר אזור בטיחות סביב עצמו ולהתאים באופן דינמי את מהירותו, בהתאם למידת קרוב האדם.
שילוב של מצלמה עם חיישן TI mmWave, כדוגמה, מאפשר ל-AMR לקבל מידע נוסף על מאפייני האובייקט שלא יהיה אפשרי עם חיישן בודד בלבד. כמובן, האיחוד של מכ"ם ומצלמה מביא אתגרים נוספים למערכת, כגון:
- אפשר לכייל מצלמות עם שגרות כיול OpenCV ואלגוריתם לכידת לוח השחמט תוך כיול מכ"מים עם מחזירי פינות.
- סנכרון נתונים. השגת עיבוד מקביל של זרם נתונים נכנס דורש סנכרון זמן בין המכ"ם למצלמה.
- יישור נתונים מרחביים. עם חישוב הנתונים, מתחיל תהליך שכבת התמונות המגיעות מחיישנים ונקודות מבט שונות.
- זיהוי וסיווג אובייקטים. לאחר ביצוע יישור מרחבי, אשכולות וסיווג, הנתונים יאפשרו זיהוי וסיווג אובייקטים.
מעבד TI Jacinto מאיץ היתוך חיישנים על ידי לכידת כל נתוני החיישנים, עיבוד הנתונים ופירוש המדידות כדי לשלוט ב-AMR. ערכת פיתוח התוכנה Jacinto כוללת כלים הכוללים מסגרות קוד פתוח ללמידה עמוקה כגון TensorFlow Lite, וכן ערכת כלי ראייה ממוחשבת ותפיסה הנותנת מענה לכמה מהאתגרים שהוזכרו קודם לכן, כולל סיווג תמונות, זיהוי אובייקטים וסמנטיקה. הִתפַּלְגוּת.
היתוך חיישנים צריך להיות מיושם בתוך סביבת מערכת הפעלה רובוטית המאפשרת שימוש בהתקני חיישנים כצמתים של המערכת, היתוך ובדיקת התקני החיישנים בהתאם כדי לפתור את האתגרים הנדונים במאמר.
היתוך חיישנים חייב להתרחש בזמן אמת, במיוחד אם ה-AMR משתף פעולה עם בני אדם, מכיוון שהרובוט חייב להסתמך על נתונים המגיעים מהחיישנים כדי להבטיח שהוא לא פוגע בבני אדם בקרבת מקום בזמן שהוא עדיין מבצע משימות. הבאת זרם הנתונים מצומת החיישן אל מוחו של הרובוט עם ממשק תקשורת מהיר היא חובה לתגובה בזמן אמת כדי שה-AMR יוכל להגיב במהירות על סמך כניסות החיישנים.
הנתונים הנרכשים מהחיישנים יכולים גם לעזור לבנות מודלים טובים יותר של למידת מכונה ובינה מלאכותית, שעליהם מסתמכים רובוטים כדי להפוך לאוטונומיים, לקבל החלטות בזמן אמת ולנווט בסביבות דינמיות בעולם האמיתי.
למרות האתגרים הרבים שמגיעים עם היתוך חיישנים, טכנולוגיה זו מייצגת צעד חשוב ברובוטיקה לעבור מרכבים מונחים לכלי רכב אוטונומיים לחלוטין שיאפשרו סוף סוף דו קיום בין בני אדם לרובוטים ויהפכו את העבודה ליעילה ורווחית יותר.
על הסופר
ג'ובאני קמפנלה הוא מנכ"ל סקטור בטקסס אינסטרומנטס, המתמקד באוטומציה של בניין, אוטומציה קמעונאית ותשלומים ומכשירים. ג'ובאני מוביל צוות שעוזר לפתור אתגרי עיצוב לקוחות על בסיס עולמי. יש לו ניסיון רחב בטכנולוגיות אנלוגיות וחישה וכן כישורים אנליטיים ובינאישיים חזקים בשילוב עם גישה מעשית. ג'ובאני הוא בעל תואר ראשון בהנדסת אלקטרוניקה וטלקומוניקציה מאוניברסיטת בולוניה ותואר שני בהנדסת אלקטרוניקה מהאוניברסיטה הפוליטכנית של טורינו.
על טקסס אינסטרומנטס