Robot tự động là những cỗ máy thông minh có thể hiểu và điều hướng trong môi trường của chúng mà không cần sự điều khiển hay can thiệp của con người. Mặc dù robot tự động công nghệ còn khá non trẻ, có nhiều trường hợp sử dụng robot tự động khác nhau trong các nhà máy, nhà kho, thành phố và gia đình. Ví dụ: robot tự động có thể được sử dụng để vận chuyển hàng hóa quanh nhà kho, như ở Hình 1hoặc thực hiện giao hàng dặm cuối cùng, trong khi các loại rô bốt tự động khác có thể hút bụi nhà hoặc cắt cỏ.
Hình 1: Một robot thực hiện các nhiệm vụ trong nhà kho. (Nguồn: Texas Instruments)
Autonomy yêu cầu robot có thể cảm nhận và định hướng bản thân trong môi trường được lập bản đồ, tự động phát hiện các chướng ngại vật xung quanh chúng, theo dõi các chướng ngại vật đó, lập kế hoạch lộ trình để đến một điểm đến xác định và điều khiển phương tiện đi theo kế hoạch đó. Ngoài ra, robot chỉ được thực hiện các nhiệm vụ này khi thấy an toàn, tránh các tình huống gây rủi ro cho con người, tài sản hoặc chính hệ thống tự hành.
Với việc rô bốt làm việc gần với con người hơn bao giờ hết, chúng không chỉ phải tự chủ, di động và tiết kiệm năng lượng mà còn phải đáp ứng các yêu cầu về an toàn chức năng. Cảm biến, bộ xử lý và thiết bị điều khiển có thể giúp các nhà thiết kế đạt được các yêu cầu khắt khe của các tiêu chuẩn an toàn chức năng, chẳng hạn như Ủy ban Kỹ thuật Điện Quốc tế (IEC) 61508.
Cân nhắc về cảm biến trong rô bốt tự động
Một robot không có cảm biến chắc chắn sẽ đâm vào các chướng ngại vật, bao gồm tường, các robot khác hoặc con người và có thể dẫn đến thương tích nghiêm trọng. Có một số loại cảm biến khác nhau có thể giúp giải quyết những thách thức do robot tự hành đặt ra.
Cảm biến thị giác mô phỏng chặt chẽ tầm nhìn và nhận thức của con người. Các hệ thống tầm nhìn có thể giải quyết các thách thức về xác định vị trí, phát hiện chướng ngại vật và tránh va chạm vì chúng có phạm vi bao phủ không gian độ phân giải cao và khả năng không chỉ phát hiện các đối tượng mà còn phân loại các đối tượng đó. Cảm biến tầm nhìn cũng tiết kiệm chi phí hơn khi so sánh với các cảm biến như LiDAR. Tuy nhiên, cảm biến thị lực rất chuyên sâu về mặt tính toán.
Các đơn vị xử lý trung tâm (CPU) và đơn vị xử lý đồ họa (GPU) ngốn điện có thể gây ra thách thức trong các hệ thống rô bốt tự động hạn chế về điện năng. Khi thiết kế một hệ thống rô bốt tiết kiệm năng lượng, nên tối thiểu xử lý dựa trên CPU hoặc GPU.
Hệ thống trên chip (SoC) trong một hệ thống thị giác hiệu quả phải xử lý chuỗi tín hiệu tầm nhìn ở tốc độ cao và công suất thấp, với chi phí hệ thống được tối ưu hóa. SoC cũng phải giảm tải các tác vụ tính toán chuyên sâu như xử lý hình ảnh thô, làm cong, ước tính độ sâu âm thanh nổi, chia tỷ lệ, tạo kim tự tháp hình ảnh và học sâu để đạt hiệu quả hệ thống tối đa. Các SoC được sử dụng để xử lý thị giác phải thông minh, an toàn và tiết kiệm năng lượng, mức tích hợp trên chip cao trong một kiến trúc SoC không đồng nhất có thể đạt được.
Chúng ta hãy xem xét kỹ hơn việc sử dụng cảm biến radar sóng milimét (mmWave) của Texas Instruments (TI's), chẳng hạn như trong các robot tự động. Sử dụng radar TI mmWave trong các ứng dụng robot là một khái niệm tương đối mới, nhưng ý tưởng sử dụng cảm biến TI mmWave để tự chủ đã xuất hiện được một thời gian. Trong các ứng dụng ô tô, radar TI mmWave là một trong những thành phần quan trọng của hệ thống hỗ trợ người lái tiên tiến (ADAS) và đã được sử dụng để giám sát môi trường xung quanh xe. Bạn có thể sử dụng một số khái niệm ADAS tương tự, như giám sát chế độ xem xung quanh hoặc tránh va chạm và áp dụng chúng cho rô bốt tự động.
Radar TI mmWave là duy nhất từ góc độ công nghệ cảm biến vì các cảm biến này cung cấp thông tin về phạm vi, vận tốc và góc đến của các đối tượng và hướng dẫn robot cách điều hướng để tránh va chạm tốt hơn. Sử dụng radar cảm biến dữ liệu, rô bốt có thể quyết định tiếp tục một cách an toàn trên đường đi của nó hoặc giảm tốc độ hoặc thậm chí dừng lại, tùy thuộc vào vị trí, tốc độ và quỹ đạo của một người hoặc vật thể đang đến gần, như được hiển thị trong Hình 2.
Điều quan trọng cần lưu ý là radar TI mmWave quan sát môi trường theo ba chiều, cho phép cảm biến nhận biết các vật thể có thể không trực tiếp trong đường lái xe của rô bốt. Do khả năng phát hiện 3D này, cảm biến radar TI mmWave có thể cung cấp thêm thông tin về độ cao quan trọng trong việc không chỉ phát hiện các vật thể nằm trên mặt đất mà còn cả các vật thể có thể nhô ra khỏi đường đi của robot từ trên cao.
Cảm biến TI mmWave cũng có thể phát hiện một cách đáng tin cậy thủy tinh và các vật liệu trong suốt khác mà các cảm biến khác như máy ảnh và LiDAR có thể “nhìn thấy” qua vật thể trong suốt và không thể phát hiện chính xác. Radar TI mmWave cũng hoạt động mạnh mẽ hơn trong các điều kiện môi trường đầy thử thách, nơi các cảm biến quang học có xu hướng gặp nhiều khó khăn hơn. Bởi vì radar TI mmWave sử dụng sóng vô tuyến thay vì ánh sáng để phát hiện vật thể, nó miễn nhiễm với các yếu tố môi trường như ánh sáng yếu, mưa, sương mù, bụi và khói.
Hình 2: Một robot nhà kho sử dụng cảm biến radar. (Nguồn: Texas Instruments Inc.)
Giải quyết các vấn đề phức tạp của rô bốt tự hành với sự kết hợp cảm biến và AI
Đối với các ứng dụng rô bốt tự động phức tạp hơn, chỉ một cảm biến đơn lẻ có thể không đủ để kích hoạt khả năng tự chủ, bất kể loại cảm biến nào. Các phương thức cảm biến khác nhau có những điểm mạnh và hạn chế riêng biệt.
Radar rất phù hợp để phát hiện đối tượng và cung cấp tầm nhìn xa trong môi trường đầy thử thách nhưng có những hạn chế khi nói đến phân loại đối tượng hoặc độ chính xác của cạnh đối tượng. Cảm biến LiDAR có thể cung cấp độ chính xác và độ chính xác nhưng có thể tốn kém và ngốn điện. Cảm biến tầm nhìn có thể cung cấp phân loại đối tượng và thông minh cảnh với độ phân giải cao nhưng có thể chuyên sâu về tính toán và yêu cầu nguồn sáng bên ngoài để hoạt động. Cuối cùng, các cảm biến như camera hoặc radar nên bổ sung cho nhau trong một hệ thống. Tận dụng thế mạnh của các phương thức cảm biến khác nhau thông qua sự kết hợp cảm biến có thể giúp giải quyết một số thách thức phức tạp hơn về robot tự động.
Trong khi sự kết hợp cảm biến giúp robot tự động chính xác hơn, việc sử dụng trí thông minh nhân tạo có thể giúp làm cho robot thông minh hơn. Việc kết hợp AI vào các hệ thống rô bốt tự động có thể giúp rô bốt nhận thức, đưa ra quyết định và thực hiện hành động một cách thông minh.
Một robot tự động với AI có thể phát hiện đối tượng và vị trí của nó một cách thông minh, phân loại đối tượng và thực hiện hành động phù hợp. Ví dụ: khi rô bốt đang điều hướng một nhà kho đông đúc, AI có thể giúp rô bốt suy ra loại vật thể nào - bao gồm con người, hộp, máy móc hoặc thậm chí các rô bốt khác - đang trên đường đi của nó và quyết định hành động nào phù hợp để điều hướng xung quanh chúng.
AI cũng có thể giúp robot thực hiện các nhiệm vụ cụ thể một cách tự chủ hơn. Ví dụ: nếu một robot đang di chuyển một con dolly xung quanh một nhà kho, AI dựa trên thị giác sẽ giúp robot phát hiện và suy ra tư thế và vị trí của con dolly để robot có thể tự định vị chính xác, gắn vào con bò và sau đó di chuyển nó xung quanh nền nhà kho.
Khi thiết kế một hệ thống robot kết hợp AI, cần có những cân nhắc về thiết kế cho cả phần cứng và phần mềm. Lý tưởng nhất là SoC nên có bộ tăng tốc phần cứng cho các chức năng AI để giúp thực hiện các tác vụ tính toán chuyên sâu trong thời gian thực. Có quyền truy cập vào môi trường phát triển phần mềm AI dễ sử dụng có thể giúp đơn giản hóa và tăng tốc quá trình phát triển ứng dụng và triển khai phần cứng.
Kết luận
Việc thiết kế các robot tự động và thông minh hơn là một điều cần thiết để tiếp tục cải thiện quá trình tự động hóa. Robot có thể được sử dụng trong kho hàng và giao hàng để theo kịp và nâng cao tốc độ phát triển thương mại điện tử. Robot có thể thực hiện các công việc gia đình thông thường như hút bụi và cắt cỏ. Sử dụng rô bốt tự động mang lại năng suất và hiệu quả giúp cải thiện và gia tăng giá trị cho cuộc sống của chúng ta.
Giới thiệu về tác giả
Manisha Agrawal là kỹ sư tiếp thị sản phẩm cho dòng sản phẩm bộ xử lý Jacinto. Cô có nhiều năm kinh nghiệm trong lĩnh vực xử lý tín hiệu thị giác đầu cuối trên các SoC TI thông qua nhiều vai trò khác nhau trong kỹ thuật phần mềm, ứng dụng và hệ thống. Trọng tâm và lĩnh vực quan tâm gần đây của cô là về AI và người máy. Manisha có bằng thạc sĩ kỹ thuật điện từ IIT Kanpur, Ấn Độ và có ba bằng sáng chế mang tên cô.
Jitin George là kỹ sư tiếp thị sản phẩm cho cảm biến radar mmWave công nghiệp tại Texas Instruments. Kể từ năm 2019, ông đã dẫn đầu các nỗ lực tiếp thị trên toàn thế giới cho radar công nghiệp trong tự động hóa nhà máy, với trọng tâm cụ thể là phát triển kinh doanh trong thị trường robot.
Sam Visalli là giám đốc hệ thống của dòng sản phẩm Sitara MCU. Sam đã dành vài năm gần đây để làm giám đốc an toàn chức năng cho các dòng sản phẩm bộ xử lý Jacinto và Sitara. Ông đã giúp TI thiết kế các sản phẩm và hệ thống cho các ứng dụng an toàn chức năng đa dạng như lái xe tự động, tự động hóa nhà máy và robot. Sam cũng phục vụ trong các ủy ban của Hoa Kỳ về các tiêu chuẩn an toàn chức năng IEC61508 và ISO26262 và làm việc với nhiều sáng kiến an toàn chức năng trên toàn TI.
về Texas Instruments