Robot autonomi ialah mesin pintar yang boleh memahami dan menavigasi persekitaran mereka tanpa kawalan atau campur tangan manusia. Walaupun robot autonomi teknologi adalah agak muda, terdapat banyak kes penggunaan robot autonomi yang berbeza di kilang, gudang, bandar dan rumah. Contohnya, robot autonomi boleh digunakan untuk mengangkut barang di sekitar gudang, seperti di Rajah 1, atau melakukan penghantaran batu terakhir, manakala jenis robot autonomi lain boleh mengosongkan rumah atau memotong rumput.
Rajah 1: Sebuah robot menjalankan tugas di dalam gudang. (Sumber: Texas Instruments)
Autonomi memerlukan robot dapat merasakan dan mengorientasikan diri mereka dalam persekitaran yang dipetakan, mengesan halangan di sekeliling mereka secara dinamik, menjejaki halangan tersebut, merancang laluan mereka untuk sampai ke destinasi tertentu dan mengawal kenderaan untuk mengikuti rancangan tersebut. Di samping itu, robot mesti melaksanakan tugas-tugas ini hanya apabila ia selamat untuk berbuat demikian, mengelakkan situasi yang menimbulkan risiko kepada manusia, harta benda atau sistem autonomi itu sendiri.
Dengan robot yang bekerja dalam jarak yang lebih dekat dengan manusia berbanding sebelum ini, mereka bukan sahaja mestilah autonomi, mudah alih dan cekap tenaga tetapi juga memenuhi keperluan keselamatan berfungsi. Penderia, pemproses dan peranti kawalan boleh membantu pereka bentuk mencapai keperluan ketat standard keselamatan berfungsi, seperti Suruhanjaya Elektroteknikal Antarabangsa (IEC) 61508.
Pertimbangan untuk penderiaan dalam robot autonomi
Robot tanpa penderia pasti akan merempuh halangan, termasuk dinding, robot lain atau manusia, dan berpotensi mengakibatkan kecederaan serius. Terdapat beberapa jenis penderia yang boleh membantu menyelesaikan cabaran yang ditimbulkan oleh robot autonomi.
Penderia penglihatan meniru rapat penglihatan dan persepsi manusia. Sistem penglihatan boleh menyelesaikan cabaran penyetempatan, pengesanan halangan dan pengelakan perlanggaran kerana mereka mempunyai liputan spatial resolusi tinggi dan keupayaan untuk bukan sahaja mengesan objek tetapi mengelaskan objek tersebut. Penderia penglihatan juga lebih menjimatkan kos jika dibandingkan dengan penderia seperti LiDAR. Walau bagaimanapun, penderia penglihatan adalah sangat intensif dari segi pengiraan.
Unit pemprosesan pusat (CPU) dan unit pemprosesan grafik (GPU) yang haus kuasa boleh menimbulkan cabaran dalam sistem robot autonomi yang dikekang kuasa. Apabila mereka bentuk sistem robotik yang cekap tenaga, pemprosesan berasaskan CPU atau GPU hendaklah minimum.
Sistem pada cip (SoC) dalam sistem penglihatan yang cekap harus memproses rantai isyarat penglihatan pada kelajuan tinggi dan kuasa rendah, dengan kos sistem yang dioptimumkan. SoC juga mesti memuatkan tugas intensif pengiraan seperti pemprosesan imej mentah, dewarping, anggaran kedalaman stereo, penskalaan, penjanaan piramid imej dan pembelajaran mendalam untuk kecekapan sistem maksimum. SoC yang digunakan untuk pemprosesan penglihatan mestilah pintar, selamat dan cekap tenaga, yang boleh dicapai oleh integrasi pada cip tahap tinggi dalam seni bina SoC heterogen.
Mari kita lihat dengan lebih dekat penggunaan penderiaan radar gelombang milimeter (MMWave) Texas Instruments (TI), sebagai contoh, dalam robot autonomi. Menggunakan radar TI mmWave dalam aplikasi robotik adalah konsep yang agak baharu, tetapi idea untuk menggunakan penderiaan TI mmWave untuk autonomi telah wujud sejak sekian lama. Dalam aplikasi automotif, radar TI mmWave ialah salah satu komponen utama sistem bantuan pemandu lanjutan (ADAS) dan telah digunakan untuk memantau persekitaran kenderaan. Anda boleh mengambil beberapa konsep ADAS yang sama, seperti pemantauan pandangan sekeliling atau pengelakan perlanggaran dan menggunakannya pada robot autonomi.
Radar TI mmWave adalah unik dari perspektif teknologi penderiaan kerana penderia ini memberikan maklumat julat, halaju dan sudut ketibaan objek dan mengarahkan robot cara mengemudi untuk mengelakkan perlanggaran dengan lebih baik. Menggunakan radar sensor data, robot boleh memutuskan sama ada untuk meneruskan dengan selamat di laluannya atau memperlahankan atau berhenti, bergantung pada kedudukan, kelajuan dan trajektori orang atau objek yang menghampiri, seperti yang ditunjukkan dalam Rajah 2.
Adalah penting untuk ambil perhatian bahawa radar TI mmWave melihat persekitaran dalam tiga dimensi, yang membolehkan penderia untuk melihat objek yang mungkin tidak berada secara langsung dalam laluan pemanduan robot. Oleh kerana keupayaan pengesanan 3D ini, penderia radar TI mmWave juga boleh memberikan maklumat ketinggian yang penting bukan sahaja untuk mengesan objek berbaring di atas tanah tetapi juga objek yang mungkin menonjol ke laluan robot dari atas.
Penderia TI mmWave juga boleh mengesan kaca dan bahan lutsinar lain yang mungkin "lihat" melalui objek lutsinar dan gagal dikesan dengan tepat oleh penderia lain seperti kamera dan LiDAR. Radar TI mmWave juga lebih teguh dalam keadaan persekitaran yang mencabar di mana penderia optik cenderung mempunyai lebih kesukaran. Oleh kerana radar TI mmWave menggunakan gelombang radio dan bukannya cahaya untuk mengesan objek, ia kebal terhadap faktor persekitaran seperti pencahayaan malap, hujan, kabus, habuk dan asap.
Rajah 2: Sebuah robot gudang menggunakan penderiaan radar. (Sumber: Texas Instruments Inc.)
Menangani masalah robot autonomi yang kompleks dengan gabungan sensor dan AI
Untuk aplikasi robot autonomi yang lebih rumit, penderia tunggal sahaja mungkin tidak mencukupi untuk mendayakan autonomi, tanpa mengira jenis penderia. Modaliti penderiaan yang berbeza mempunyai kekuatan dan batasan yang tersendiri.
Radar sesuai untuk pengesanan objek dan menyediakan jarak penglihatan yang panjang dalam persekitaran yang mencabar tetapi mempunyai batasan apabila ia berkaitan dengan pengelasan objek atau ketepatan tepi objek. Penderia LiDAR boleh memberikan ketepatan dan ketepatan tetapi boleh mahal dan memerlukan kuasa. Penderia penglihatan boleh menyediakan klasifikasi objek dan kecerdasan pemandangan dengan resolusi tinggi tetapi boleh menjadi intensif secara pengiraan dan memerlukan sumber cahaya luaran untuk beroperasi. Akhirnya, penderia seperti kamera atau radar harus saling melengkapi dalam sistem. Memanfaatkan kekuatan modaliti sensor yang berbeza melalui gabungan sensor boleh membantu menyelesaikan beberapa cabaran robot autonomi yang lebih kompleks.
Walaupun gabungan sensor membantu robot autonomi menjadi lebih tepat, menggunakan kecerdasan buatan di tepi boleh membantu menjadikan robot pintar. Menggabungkan AI ke dalam sistem robot autonomi boleh membantu membolehkan robot memahami, membuat keputusan dan melakukan tindakan secara bijak.
Robot autonomi dengan AI boleh mengesan objek dan kedudukannya dengan bijak, mengelaskan objek dan mengambil tindakan sewajarnya. Contohnya, apabila robot menavigasi gudang yang sibuk, AI boleh membantu robot menyimpulkan jenis objek — termasuk manusia, kotak, jentera, atau robot lain — berada dalam laluannya dan memutuskan tindakan yang sesuai untuk menavigasi di sekelilingnya.
AI juga boleh membantu robot melaksanakan tugas tertentu dengan lebih autonomi. Sebagai contoh, jika robot sedang menggerakkan boneka di sekitar gudang, AI berasaskan penglihatan membantu robot untuk mengesan dan menyimpulkan pose dan kedudukan dolly supaya robot dapat meletakkan dirinya dengan tepat, melekat pada boneka, dan kemudian menggerakkannya. sekitar lantai gudang.
Apabila mereka bentuk sistem robot yang menggabungkan AI, perlu ada pertimbangan reka bentuk untuk kedua-dua perkakasan dan perisian. Sebaik-baiknya, SoC harus mempunyai pemecut perkakasan untuk fungsi AI untuk membantu melaksanakan tugas intensif secara pengiraan dalam masa nyata. Mempunyai akses kepada persekitaran pembangunan perisian AI yang mudah digunakan boleh membantu memudahkan dan mempercepatkan pembangunan aplikasi dan proses penggunaan perkakasan.
Kesimpulan
Mereka bentuk robot yang lebih pintar dan autonomi adalah satu keperluan untuk terus menambah baik automasi. Robot boleh digunakan di gudang dan penghantaran untuk mengikuti dan meningkatkan pertumbuhan e-dagang. Robot boleh melakukan tugas rumah tangga biasa seperti mengosongkan dan memotong. Menggunakan robot autonomi membuka kunci produktiviti dan kecekapan yang membantu menambah baik dan menambah nilai kepada kehidupan kita.
Mengenai pengarang
Manisha Agrawal ialah jurutera pemasaran produk untuk barisan produk pemproses Jacinto. Beliau mempunyai pengalaman bertahun-tahun dalam pemprosesan isyarat penglihatan hujung ke hujung pada SoC TI melalui pelbagai peranan dalam perisian, aplikasi dan kejuruteraan sistem. Tumpuan dan bidang minatnya baru-baru ini adalah pada AI dan robotik. Manisha mempunyai MS dalam kejuruteraan elektrik dari IIT Kanpur, India, dan memegang tiga paten atas namanya.
Jitin George ialah jurutera pemasaran produk untuk penderia radar mmWave industri di Texas Instruments. Sejak 2019, beliau telah mengetuai usaha pemasaran di seluruh dunia untuk radar perindustrian dalam automasi kilang, dengan tumpuan khusus untuk mengembangkan perniagaan dalam pasaran robotik.
Sam Visalli ialah pengurus sistem untuk barisan produk Sitara MCU. Sam telah menghabiskan beberapa tahun terakhir bekerja sebagai pengurus keselamatan berfungsi untuk barisan produk pemproses Jacinto dan Sitara. Beliau telah membantu TI mereka bentuk produk dan sistem untuk aplikasi keselamatan fungsian yang pelbagai seperti pemanduan autonomi, automasi kilang dan robotik. Sam juga berkhidmat dalam jawatankuasa AS untuk piawaian keselamatan berfungsi IEC61508 dan ISO26262 dan berfungsi dengan pelbagai inisiatif keselamatan berfungsi seluruh TI.
mengenai Texas Instruments