Автономные роботы — это интеллектуальные машины, которые могут понимать окружающую среду и перемещаться по ней без контроля или вмешательства человека. Хотя автономный робот technology относительно молод, существует множество различных вариантов использования автономных роботов на фабриках, складах, в городах и домах. Например, автономных роботов можно использовать для перевозки товаров по складам, как в Рисунок 1, или выполнять доставку «последней мили», в то время как другие виды автономных роботов могут пылесосить дома или стричь газоны.
Рисунок 1: Робот выполняет задачи на складе. (Источник: Texas Instruments)
Автономность требует, чтобы роботы могли чувствовать и ориентироваться в нанесенной на карту среде, динамически обнаруживать препятствия вокруг них, отслеживать эти препятствия, планировать свой маршрут, чтобы достичь указанного пункта назначения, и управлять транспортным средством, чтобы следовать этому плану. Кроме того, робот должен выполнять эти задачи только тогда, когда это безопасно, избегая ситуаций, которые представляют опасность для людей, собственности или самой автономной системы.
Поскольку роботы работают в большей близости от людей, чем когда-либо прежде, они должны быть не только автономными, мобильными и энергоэффективными, но и соответствовать требованиям функциональной безопасности. Датчики, процессоры и устройства управления могут помочь разработчикам достичь строгих требований стандартов функциональной безопасности, таких как Международная электротехническая комиссия (IEC) 61508.
Рекомендации по зондированию в автономных роботах
Робот без датчиков неизбежно врезается в препятствия, включая стены, других роботов или людей, и потенциально может привести к серьезным травмам. Есть несколько различных типов датчиков, которые могут помочь решить проблемы, создаваемые автономными роботами.
Датчики технического зрения точно имитируют человеческое зрение и восприятие. Системы технического зрения могут решать задачи локализации, обнаружения препятствий и предотвращения столкновений, поскольку они имеют пространственное покрытие с высоким разрешением и способность не только обнаруживать объекты, но и классифицировать эти объекты. Датчики технического зрения также более экономичны по сравнению с такими датчиками, как LiDAR. Однако датчики технического зрения требуют больших вычислительных ресурсов.
Энергозатратные центральные процессоры (ЦП) и графические процессоры (ГП) могут стать проблемой в автономных роботизированных системах с ограниченным энергопотреблением. При разработке энергоэффективной роботизированной системы обработка на базе ЦП или ГП должна быть минимальной.
Система на кристалле (SoC) в эффективной системе технического зрения должна обрабатывать цепь видеосигнала на высоких скоростях и с низким энергопотреблением с оптимизацией стоимости системы. SoC также должна разгружать ресурсоемкие вычислительные задачи, такие как обработка необработанных изображений, устранение искажений, оценка глубины стерео, масштабирование, создание пирамид изображений и глубокое обучение для максимальной эффективности системы. SoC, используемые для обработки изображений, должны быть умными, безопасными и энергоэффективными, чего может достичь высокий уровень интеграции на кристалле в гетерогенную архитектуру SoC.
Давайте подробнее рассмотрим использование радиолокационного зондирования миллиметрового (миллиметрового) диапазона от Texas Instruments (TI), например, в автономных роботах. Использование радара TI mmWave в роботизированных приложениях - относительно новая концепция, но идея использования сенсора TI mmWave для автономности существует уже некоторое время. В автомобильных приложениях радар TI mmWave является одним из ключевых компонентов усовершенствованных систем помощи водителю (ADAS) и используется для наблюдения за окружающей средой автомобиля. Вы можете взять некоторые из тех же концепций ADAS, такие как мониторинг объемного обзора или предотвращение столкновений, и применить их к автономным роботам.
Радар TI mmWave уникален с точки зрения технологии зондирования, поскольку эти датчики предоставляют информацию о дальности, скорости и угле прибытия объектов и лучше инструктируют робота, как ориентироваться во избежание столкновений. Использование радара датчик данных, робот может решить либо безопасно продолжить свой путь, либо замедлить или даже остановиться, в зависимости от положения, скорости и траектории приближающегося человека или объекта, как показано на Рисунок 2.
Важно отметить, что радар TI mmWave рассматривает окружающую среду в трех измерениях, что позволяет датчику распознавать объекты, которые могут не находиться непосредственно на пути движения робота. Благодаря этой возможности трехмерного обнаружения радарные датчики TI mmWave могут дополнительно предоставлять информацию о высоте, которая имеет решающее значение не только для обнаружения объектов, лежащих на земле, но и объектов, которые могут выступать на пути робота сверху.
Датчики TI mmWave также могут надежно обнаруживать стекло и другие прозрачные материалы, которые другие датчики, такие как камеры и LiDAR, могут «видеть» сквозь прозрачный объект и не могут точно обнаружить. Радар TI mmWave также более надежен в сложных условиях окружающей среды, когда оптические датчики, как правило, вызывают большие трудности. Поскольку радар TI mmWave использует радиоволны вместо света для обнаружения объектов, он невосприимчив к таким факторам окружающей среды, как слабое освещение, дождь, туман, пыль и дым.
Рисунок 2: Складской робот использует радиолокационное зондирование. (Источник: Texas Instruments Inc.)
Решение сложных проблем автономных роботов с помощью слияния датчиков и искусственного интеллекта
Для более сложных приложений автономных роботов одного датчика может быть недостаточно для обеспечения автономности, независимо от типа датчика. У разных способов восприятия есть свои сильные стороны и ограничения.
Радар хорошо подходит для обнаружения объектов и обеспечивает большую видимость в сложных условиях, но имеет ограничения, когда дело доходит до классификации объектов или точности краев объектов. Датчики LiDAR могут обеспечивать точность и точность, но могут быть дорогостоящими и энергоемкими. Датчики технического зрения могут обеспечивать классификацию объектов и анализ сцены с высоким разрешением, но могут потребовать больших вычислительных ресурсов и для работы внешнего источника света. В конечном итоге такие датчики, как камера или радар, должны дополнять друг друга в системе. Использование сильных сторон различных модальностей датчиков за счет объединения датчиков может помочь решить некоторые из более сложных задач автономных роботов.
В то время как объединение датчиков помогает автономным роботам быть более точными, использование искусственного интеллекта на периферии может помочь сделать роботов интеллектуальными. Включение ИИ в автономные робототехнические системы может помочь роботам разумно воспринимать, принимать решения и выполнять действия.
Автономный робот с искусственным интеллектом может интеллектуально определять объект и его положение, классифицировать объект и принимать соответствующие меры. Например, когда робот перемещается по загруженному складу, ИИ может помочь роботу определить, какие объекты - в том числе люди, коробки, механизмы или даже другие роботы - находятся на его пути, и решить, какие действия целесообразны для перемещения по ним.
ИИ также может помочь роботам более автономно выполнять определенные задачи. Например, если робот перемещает тележку по складу, ИИ на основе зрения помогает роботу определять и определять позу и положение тележки, чтобы робот мог точно позиционировать себя, прикрепиться к тележке, а затем переместить ее. вокруг пола склада.
При проектировании роботизированной системы, включающей ИИ, следует учитывать конструктивные особенности как аппаратного, так и программного обеспечения. В идеале SoC должна иметь аппаратные ускорители для функций AI, которые помогают выполнять ресурсоемкие задачи в реальном времени. Доступ к простой в использовании среде разработки программного обеспечения AI может помочь упростить и ускорить процессы разработки приложений и развертывания оборудования.
Заключение
Создание более интеллектуальных и автономных роботов необходимо для дальнейшего совершенствования автоматизации. Роботов можно использовать на складах и при доставке, чтобы не отставать от роста электронной коммерции и способствовать его развитию. Роботы могут выполнять повседневные домашние дела, такие как уборка пылесосом и стрижка. Использование автономных роботов повышает производительность и эффективность, что помогает улучшить нашу жизнь и повысить ее ценность.
Об авторах
Маниша Агравал (Manisha Agrawal) - инженер по маркетингу продуктов линейки процессоров Jacinto. Она имеет многолетний опыт в области сквозной обработки видеосигналов на процессорах TI SoC, занимая различные должности в программном обеспечении, приложениях и системном проектировании. В последнее время она специализируется на искусственном интеллекте и робототехнике. Маниша имеет степень магистра в области электротехники в ИИТ Канпур, Индия, и имеет три патента на свое имя.
Джитин Джордж (Jitin George) - инженер по маркетингу промышленных радарных датчиков миллиметрового диапазона в компании Texas Instruments. С 2019 года он руководит всемирным маркетингом промышленных радаров для автоматизации производства, уделяя особое внимание развитию бизнеса на рынке робототехники.
Сэм Визалли - системный менеджер линейки продуктов Sitara MCU. Последние несколько лет Сэм работал менеджером по функциональной безопасности в линейках процессоров Jacinto и Sitara. Он помог TI разрабатывать продукты и системы для таких разнообразных приложений функциональной безопасности, как автономное вождение, автоматизация производства и робототехника. Сэм также входит в состав комитетов США по стандартам функциональной безопасности IEC61508 и ISO26262 и участвует в различных инициативах по функциональной безопасности TI.
о Texas Instruments