Imagine andar em uma área desconhecida para você - com os olhos vendados. As chances de você acertar algo são muito altas. E é exatamente isso que os robôs enfrentariam se não estivessem equipados com sensores. Usando sensor a fusão permite que os dados sejam coletados por diferentes sensores para permitir que os robôs naveguem com segurança em qualquer ambiente.
Os robôs devem navegar por ambientes desconhecidos para eles, mas aos quais precisam reagir e se adaptar, detectando objetos, classificando esses objetos e, em seguida, evitando-os. Além disso, o robô também precisa mapear a área pela qual está atravessando, identificando portões, penhascos ou corredores, por exemplo, e coexistir com segurança com outros humanos e robôs.
Olhando especificamente para robôs móveis autônomos (AMRs), existem três desafios que os designers precisam resolver para alcançar uma navegação autônoma e eficaz:
- Detecção segura de presença humana. Facilitar a capacidade de detectar a presença de humanos começa com a definição de uma área de segurança ao redor do robô que fará com que ele pare ou evite uma pessoa nas proximidades dessa área.
- Mapeamento e localização. O robô deve ter um mapa do ambiente onde vai operar, além de saber onde está localizado a qualquer momento, para que possa retornar a um determinado ponto de partida ou chegar a um destino pré-definido.
- Prevenção de colisão. O AMR precisa evitar objetos que estejam em seu caminho e navegar por corredores ou portões evitando qualquer tipo de obstáculo.
A fusão de sensores representa um passo importante na robótica para passar de veículos guiados para veículos totalmente autônomos que operam com segurança em qualquer ambiente. (Fonte: Texas Instruments Inc.)
É possível enfrentar esses desafios usando diferentes tipos de tecnologias de detecção que, quando fundidas, dão ao robô um nível de autonomia que permite que ele trabalhe de forma independente e segura em qualquer ambiente.
LiDAR e radar são as tecnologias mais populares usadas para criar uma bolha de segurança em torno dos AMRs para que possam detectar a presença de humanos.
Mas qual é o melhor sensor tecnologia abordar o mapeamento e localização interna? Considerando um ambiente desconhecido, o AMR precisaria criar um mapa dinâmico medindo a posição dos objetos ou estruturas mais próximas com sensores ultrassônicos, LiDAR, tempo de voo 3D e radar. Então, giroscópios, acelerômetros e codificadores poderiam medir a distância que o AMR percorreu desde sua localização original.
Para projetar para evitar colisões, é importante conhecer as características do objeto (material, forma, cor) e se é um objeto estático (por exemplo, uma parede ou uma prateleira) ou um objeto dinâmico (como outro robô).
Se for um objeto estático, o robô deve adquirir essa informação enquanto mapeia a área para que possa planejar evitar o objeto com antecedência. Se for um objeto dinâmico, a fusão de dados provenientes de diferentes sensores em tempo real pode detectar a distância do objeto, sua dimensão e sua velocidade, implementando assim a prevenção ativa de colisão.
A fusão de sensores aborda esses desafios, superando as limitações individuais das tecnologias de sensores individuais. Por exemplo, o radar e o LiDAR são bons para medir distâncias com alta precisão e exatidão, funcionam em condições de pouca iluminação e não são afetados pelas condições meteorológicas.
Por outro lado, as câmeras, assim como nossos olhos, são boas em classificar objetos e distinguir formas e cores, mas têm desempenho limitado em condições ambientais - levando, em última análise, à baixa visibilidade. Somente com o uso de diferentes tecnologias de sensor, um AMR pode atingir um nível de autonomia que lhe permitirá navegar com segurança em qualquer ambiente, mesmo em ambientes desconhecidos para ele.
A Texas Instruments (TI) pode fornecer tudo, desde os sensores aos processadores necessários para a fusão do sensor AMR com um portfólio que abrange toda a cadeia de sinal robótico.
O portfólio de sensores da empresa varia de soluções discretas a altamente integradas para implementar a fusão de sensores. Por exemplo, sensores de TI de onda milimétrica (mmWave) de chip único de nível 2 de integridade de segurança de 60 e 77 GHz integram um processador de sinal digital, um microcontrolador e um front end de alta frequência e geram valores medidos para a distância, velocidade e ângulo de incidência dos objetos no campo de visão de um AMR.
Implementar um scanner de área de segurança com o sensor permite que o robô detecte e localize objetos em três dimensões. Além da detecção de um humano, o AMR também pode determinar a direção de viagem e a velocidade desse humano. Com essas informações, o robô pode definir uma área de segurança ao seu redor e ajustar dinamicamente sua velocidade, dependendo da proximidade do ser humano.
A combinação de uma câmera com um sensor TI mmWave, por exemplo, permite que o AMR obtenha informações adicionais sobre as características de um objeto que não seriam possíveis com apenas um único sensor. Obviamente, a fusão de radar e câmera traz desafios adicionais ao sistema, como:
- É possível calibrar câmeras com rotinas de calibração OpenCV e o algoritmo de captura do tabuleiro de xadrez ao calibrar radares com refletores de canto.
- Sincronização de dados. Alcançar o processamento paralelo de um fluxo de dados de entrada requer a sincronização de tempo entre o radar e a câmera.
- Alinhamento de dados espaciais. Conforme os dados são calculados, o processo de sobreposição de imagens provenientes de diferentes sensores e pontos de vista começa.
- Reconhecimento e classificação de objetos. Depois de realizar o alinhamento espacial, o agrupamento e a classificação, os dados permitirão o reconhecimento e a classificação do objeto.
O processador TI Jacinto acelera a fusão do sensor, capturando todos os dados do sensor, processando os dados e interpretando as medições para controlar o AMR. O kit de desenvolvimento de software Jacinto tem ferramentas que incluem estruturas de código aberto de aprendizado profundo, como TensorFlow Lite, bem como um kit de ferramentas de visão e percepção por computador que aborda alguns dos desafios mencionados anteriormente, incluindo classificação de imagem, detecção de objeto e semântica segmentação.
A fusão de sensores deve ser implementada dentro de um ambiente de sistema operacional de robô que permite o uso de dispositivos sensores como nós do sistema, fundindo e testando os dispositivos sensores de acordo para resolver os desafios discutidos no artigo.
A fusão do sensor deve acontecer em tempo real, especialmente se o AMR estiver colaborando com humanos, porque o robô deve contar com os dados provenientes dos sensores para garantir que não prejudique nenhum humano próximo enquanto executa as tarefas. Trazer o fluxo de dados do nó sensor para o cérebro do robô com uma interface de comunicação de alta velocidade é essencial para uma resposta em tempo real para que o AMR possa reagir rapidamente com base nas entradas do sensor.
Os dados adquiridos dos sensores também podem ajudar a construir melhores modelos de aprendizado de máquina e inteligência artificial nos quais os robôs dependem para se tornarem autônomos, tomando decisões em tempo real e navegando em ambientes dinâmicos do mundo real.
Apesar dos muitos desafios que vêm com a fusão de sensores, esta tecnologia representa um passo importante na robótica para passar de veículos guiados para veículos totalmente autônomos que irão finalmente permitir a coexistência entre humanos e robôs e tornar o trabalho mais eficiente e lucrativo.
Sobre o autor
Giovanni Campanella é gerente geral do setor na Texas Instruments, com foco em automação predial, automação de varejo e pagamento e eletrodomésticos. Giovanni lidera uma equipe que ajuda a resolver os desafios de design do cliente em todo o mundo. Ele tem ampla experiência em tecnologias analógicas e de detecção, bem como fortes habilidades analíticas e interpessoais combinadas com uma atitude prática. Giovanni é bacharel em engenharia eletrônica e de telecomunicações pela Universidade de Bolonha e mestre em engenharia eletrônica pela Universidade Politécnica de Torino.
sobre a Texas Instruments