Bilmediğiniz bir bölgede gözleriniz bağlı olarak yürüdüğünüzü hayal edin. Bir şeye çarpma ihtimaliniz çok yüksek. Robotların sensörlerle donatılmaması durumunda karşılaşacağı durum da tam olarak budur. Kullanma algılayıcı Fusion, robotların herhangi bir ortamda güvenli bir şekilde gezinmesini sağlamak için farklı sensörler tarafından verilerin toplanmasına olanak tanır.
Robotlar, bilmedikleri ancak nesneleri tespit ederek, bu nesneleri sınıflandırarak ve sonuçta onlardan kaçınarak tepki vermeleri ve uyum sağlamaları gereken ortamlarda gezinmek zorundadır. Buna ek olarak robotun, örneğin kapıları, uçurumları veya koridorları tanımlayarak üzerinden geçtiği alanın haritasını çıkarması ve diğer insanlar ve robotlarla güvenli bir şekilde bir arada var olması gerekiyor.
Özellikle otonom mobil robotlara (AMR'ler) bakıldığında, tasarımcıların etkili, otonom navigasyon elde etmek için çözmesi gereken üç zorluk vardır:
- Güvenli insan varlığı tespiti. İnsanların varlığını tespit etme yeteneğinin kolaylaştırılması, robotun çevresinde, o alanın yakınında bulunan bir kişiyi durdurmasına veya kaçınmasına neden olacak bir güvenlik alanının tanımlanmasıyla başlar.
- Haritalama ve yerelleştirme. Robotun, belirli bir başlangıç noktasına dönebilmesi veya önceden tanımlanmış bir varış noktasına ulaşabilmesi için, çalışacağı ortamın bir haritasına sahip olması ve aynı zamanda herhangi bir zamanda nerede bulunduğunu bilmesi gerekir.
- Çarpışma önleme. AMR'nin yoluna çıkan nesnelerden kaçınması ve her türlü engelden kaçınarak koridorlardan veya kapılardan geçmesi gerekir.
Sensör füzyonu, robotikte güdümlü araçlardan her ortamda güvenli bir şekilde çalışan tamamen otonom araçlara geçiş için önemli bir adımı temsil ediyor. (Kaynak: Texas Instruments Inc.)
Bir araya getirildiğinde robota her ortamda bağımsız ve güvenli bir şekilde çalışmasına olanak tanıyan bir özerklik düzeyi sağlayan farklı türdeki algılama teknolojilerini kullanarak bu zorlukların üstesinden gelmek mümkündür.
LiDAR ve radar, AMR'lerin etrafında bir güvenlik balonu oluşturmak ve böylece insanların varlığını tespit etmek için kullanılan en popüler teknolojilerdir.
Peki en iyi sensör hangisidir? teknoloji iç mekan haritalaması ve yerelleştirmeyi ele almak için? Bilinmeyen bir ortam göz önüne alındığında, AMR'nin en yakın nesne veya yapıların konumunu ultrasonik, LiDAR, 3 boyutlu uçuş süresi ve radar sensörleriyle ölçerek dinamik bir harita oluşturması gerekecektir. Daha sonra jiroskoplar, ivmeölçerler ve kodlayıcılar AMR'nin orijinal konumundan kat ettiği mesafeyi ölçebilir.
Çarpışmayı önlemeye yönelik tasarım yapmak için nesnenin özelliklerini (malzeme, şekil, renk) ve bunun statik bir nesne mi (örneğin bir duvar veya raf) yoksa dinamik bir nesne mi (başka bir robot gibi) olduğunu bilmek önemlidir.
Statik bir nesne ise robotun, nesneden önceden kaçınmayı planlayabilmesi için alanın haritasını çıkarırken bu bilgiyi edinmesi gerekir. Dinamik bir nesne ise, farklı sensörlerden gelen verilerin gerçek zamanlı olarak birleştirilmesi, nesneye olan mesafeyi, boyutunu ve hızını tespit edebilir ve böylece aktif çarpışma önlemeyi uygulayabilir.
Sensör füzyonu, bireysel sensör teknolojilerinin bireysel sınırlamalarının üstesinden gelerek bu zorlukların üstesinden gelir. Örneğin radar ve LiDAR, mesafeleri yüksek hassasiyet ve doğrulukla ölçmede iyidir, zayıf aydınlatma koşullarında çalışır ve hava koşullarından etkilenmez.
Öte yandan, kameralar da tıpkı gözlerimiz gibi, nesneleri sınıflandırmada, şekilleri ve renkleri ayırt etmede iyidir ancak çevresel koşullarda sınırlı performansa sahiptir ve sonuçta görünürlüğün azalmasına neden olur. Bir AMR, yalnızca farklı sensör teknolojileri kullanarak herhangi bir ortamda, hatta bilmediği ortamlarda bile güvenli bir şekilde gezinmesini sağlayacak bir özerklik düzeyine ulaşabilir.
Texas Instruments (TI), robotik sinyal zincirinin tamamını kapsayan bir portföyle sensörlerden AMR sensör füzyonu için gereken işlemcilere kadar her şeyi sağlayabilir.
Şirketin sensör portföyü, sensör füzyonunu uygulamaya yönelik ayrık çözümlerden yüksek düzeyde entegre çözümlere kadar çeşitlilik göstermektedir. Örneğin, Güvenlik Bütünlüğü Seviye-2 60 ve 77 GHz tek çipli TI milimetre dalga (mmWave) sensörleri, bir dijital sinyal işlemcisini, bir mikro denetleyiciyi ve yüksek frekanslı bir ön ucu entegre eder ve mesafe, hız için ölçülen değerler üretir. AMR'nin görüş alanındaki nesnelerin geliş açısı ve açısı.
Sensörle birlikte bir güvenlik alanı tarayıcısının uygulanması, robotun nesneleri üç boyutlu olarak algılamasını ve yerini belirlemesini sağlar. AMR, bir insanı tespit etmenin ötesinde, aynı zamanda insanın seyahat yönünü ve hızını da belirleyebilir. Bu bilgiyle robot, çevresinde bir güvenlik alanı tanımlayabiliyor ve insanın yakınlığına bağlı olarak hızını dinamik olarak ayarlayabiliyor.
Örnek olarak bir kamerayı bir TI mmWave sensörüyle birleştirmek, AMR'nin bir nesnenin özellikleri hakkında yalnızca tek bir sensörle mümkün olamayacak ek bilgiler elde etmesini sağlar. Elbette radar ve kameranın birleşimi sisteme aşağıdaki gibi ek zorluklar getiriyor:
- Köşe reflektörlü radarları kalibre ederken kameraları OpenCV kalibrasyon rutinleri ve satranç tahtası yakalama algoritmasıyla kalibre etmek mümkündür.
- Veri senkronizasyonu. Gelen bir veri akışının paralel olarak işlenmesi, radar ve kamera arasında zaman senkronizasyonu gerektirir.
- Uzamsal veri hizalaması. Veriler hesaplanırken farklı sensörlerden ve bakış açılarından gelen görüntülerin üst üste bindirilmesi süreci başlıyor.
- Nesne tanıma ve sınıflandırma. Uzamsal hizalama, kümeleme ve sınıflandırma gerçekleştirildikten sonra veriler, nesne tanıma ve sınıflandırmayı mümkün kılacaktır.
TI Jacinto işlemci, tüm sensör verilerini yakalayarak, verileri işleyerek ve AMR'yi kontrol etmek için ölçümleri yorumlayarak sensör füzyonunu hızlandırır. Jacinto yazılım geliştirme kiti, TensorFlow Lite gibi derin öğrenme açık kaynaklı çerçeveleri içeren araçların yanı sıra görüntü sınıflandırma, nesne algılama ve semantik dahil olmak üzere daha önce bahsedilen zorluklardan bazılarını ele alan bir bilgisayarlı görüntü ve algılama araç kitine sahiptir. segmentasyon.
Sensör füzyonu, sensör cihazlarının sistemin düğümleri olarak kullanılmasına, makalede tartışılan zorlukları çözmek için sensör cihazlarının uygun şekilde kaynaştırılmasına ve test edilmesine olanak tanıyan bir robot işletim sistemi ortamında uygulanmalıdır.
Özellikle AMR insanlarla iş birliği yapıyorsa sensör füzyonunun gerçek zamanlı olması gerekiyor çünkü robot, görevlerini yerine getirirken yakındaki insanlara zarar vermemesini sağlamak için sensörlerden gelen verilere güvenmek zorunda. Veri akışının sensör düğümünden robotun beynine yüksek hızlı bir iletişim arayüzü ile getirilmesi, gerçek zamanlı yanıt için bir zorunluluktur, böylece AMR, sensör girişlerine göre hızlı tepki verebilir.
Sensörlerden elde edilen veriler aynı zamanda robotların otonom hale gelmek, gerçek zamanlı kararlar almak ve dinamik gerçek dünya ortamlarında gezinmek için güvendiği daha iyi makine öğrenimi ve yapay zeka modellerinin oluşturulmasına da yardımcı olabilir.
Sensör füzyonunun getirdiği pek çok zorluğa rağmen bu teknoloji, robotikte güdümlü araçlardan tamamen otonom araçlara geçişte önemli bir adımı temsil ediyor; bu adım sonunda insanlar ve robotlar arasında bir arada yaşamayı sağlayacak ve işi daha verimli ve karlı hale getirecek.
Yazar hakkında
Giovanni Campanella, Texas Instruments'ta bina otomasyonu, perakende otomasyonu ve ödeme ve cihazlara odaklanan bir sektör genel müdürüdür. Giovanni, dünya çapında müşterilerin tasarım zorluklarını çözmeye yardımcı olan bir ekibe liderlik ediyor. Analog ve algılama teknolojilerinde geniş deneyime sahip olmasının yanı sıra uygulamalı tutumla birlikte güçlü analitik ve kişilerarası becerilere sahiptir. Giovanni, Bologna Üniversitesi'nden elektronik ve telekomünikasyon mühendisliği alanında lisans derecesine ve Torino Politeknik Üniversitesi'nden elektronik mühendisliği alanında yüksek lisans derecesine sahiptir.
Texas Instruments hakkında