Saat ini, robot penanganan cerdas logistik, robot penyapu dan sebagainya telah diterapkan di beberapa kota dan keluarga, kendaraan udara tak berawak, kendaraan tak berawak dan sebagainya juga dengan cepat dipromosikan, alasan mengapa robot ini dapat dengan cepat memasuki tahap aplikasi, dan perkembangan teknologi autonomous positioning dan navigasi tidak dapat dipisahkan.
Baru-baru ini, iResearch, anak perusahaan dari iresearch Consulting, merilis ringkasan mereka tentang "teknologi terobosan AI global TOP10 pada tahun 2018", dan teknologi navigasi otonom robot berdasarkan fusi lintas batas multi-sensor adalah salah satunya. Apa itu teknologi pemosisian dan navigasi otonom robot? Saat ini, ada beberapa cara teknis untuk mewujudkan pemosisian dan navigasi robot yang otonom. Apa kesulitan dan tantangan dalam mengimplementasikan teknologi dan aplikasi ini?
Dasar: Penglihatan dan radar adalah sensor utama
Dapat dikatakan bahwa teknologi penentuan posisi dan navigasi otonom telah menjadi salah satu inti dan fokus produk robot. Dr. Du Mingfang, anggota ahli Masyarakat Otomasi China dan Institut Riset Industri Internet Universitas Tsinghua, mengatakan kepada Sci-Tech Daily bahwa navigasi otonom mencakup dua bagian: navigasi lokal dan navigasi global dari perspektif yang luas. Navigasi lokal mengacu pada perolehan informasi lingkungan saat ini secara real-time melalui penglihatan, radar, ultrasonik, dan sensor lainnya, ekstraksi fitur fusi data, dan pemrosesan algoritme cerdas untuk mencapai penilaian area yang dapat dilalui saat ini dan pelacakan multi-target. Navigasi global terutama mengacu pada penggunaan data navigasi global yang disediakan oleh GPS untuk melakukan perencanaan jalur global dan mewujudkan navigasi jalur dalam lingkup peta elektronik lengkap.
“Saat ini, penglihatan dan radar adalah dua sensor terpenting yang digunakan untuk navigasi otonom lokal.” Du Mingfang menjelaskan bahwa sebagai sensor pasif, keuntungan sensor visual sangat signifikan, seperti akses informasi yang kaya, penyembunyian yang baik, ukuran kecil, tidak akan membawa "pencemaran lingkungan" karena gangguan, biaya rendah dibandingkan dengan radar. Untuk mewujudkan navigasi otonom, biasanya berbagai sensor bekerja sama satu sama lain untuk mengidentifikasi berbagai informasi lingkungan, seperti batas jalan, fitur medan, rintangan, panduan, dll. Dengan cara ini, robot dapat menentukan area yang dapat dijangkau atau area yang tidak dapat dijangkau dalam arah maju melalui persepsi lingkungan, mengonfirmasi posisi relatifnya di lingkungan, memprediksi pergerakan hambatan dinamis, dan memberikan dasar untuk perencanaan jalur lokal.
Du Mingfang mengatakan kepada wartawan bahwa dari situasi perkembangan saat ini, teknologi fusi informasi multi-sensor telah diterapkan pada sistem navigasi otonom, dan perannya juga terkait dengan tingkat kecerdasan robot. “Inti dari teknologi navigasi adalah dapat secara efektif memproses dan memadukan informasi yang dikumpulkan oleh beberapa sensor, meningkatkan kemampuan 'ketahanan' robot terhadap informasi yang tidak pasti, memastikan bahwa informasi yang lebih andal digunakan, dan membantu menilai lingkungan sekitar secara lebih intuitif. ." "Dia berkata.
Navigasi visual telah berhasil diterapkan pada navigasi pesawat ketinggian rendah, navigasi kendaraan udara tak berawak, dan navigasi pendaratan penjelajah Mars. Namun, Du Mingfang juga mengatakan bahwa informasi yang diberikan oleh sensor visual tidak langsung, kebutuhan komputasi dan penyimpanan besar, dan beban transmisi jaringan besar. Fusi informasi multi-sensor dapat menghilangkan ketidakpastian dalam penentuan posisi dan navigasi robot serta meningkatkan akurasi, tetapi fusi yang berlebihan juga akan membawa peningkatan ganda dalam jumlah komputasi.
Bagaimana masalah ini bisa diselesaikan? Du Mingfang percaya bahwa memilih algoritma fusi yang tepat adalah kuncinya. Saat ini, "semakin banyak teori dasar seperti teori komputasi cerdas dan teori probabilitas yang diterapkan pada bidang fusi multi-sensor robot." "Dia berkata.
Metode: Berbagai kombinasi teknologi untuk mencapai keuntungan yang saling melengkapi
Apa cara untuk mewujudkan pemosisian dan navigasi otonom robot? Faktanya, mengemudi mobil secara otonom dan posisi otonom parsial serta teknologi navigasi yang digunakan oleh robot adalah konsisten. Chen Jinpei, CEO Chihiro Position, mengatakan kepada wartawan bahwa perusahaan menggunakan kombinasi posisi lidar dan teknologi navigasi dan sensor untuk mencapai akurasi posisi sekitar satu meter dan menyelesaikan posisi awal dalam tiga detik.
Yang disebut navigasi lidar adalah memasang reflektor laser dengan posisi presisi di sekitar jalur mengemudi. Robot mengirimkan sinar laser melalui pemindai laser dan mengumpulkan sinar laser yang dipantulkan oleh reflektor untuk menentukan posisi dan jalurnya saat ini, dan mewujudkan panduan melalui operasi geometris segitiga terus menerus. Selain fungsi range dan positioning, lidar juga memiliki fungsi identifikasi dan penghindaran rintangan.
Du Mingfang mengatakan bahwa lidar adalah sensor aktif, dan data persepsi yang diberikannya jauh lebih sederhana dan lebih langsung daripada informasi visual, dengan perhitungan yang lebih sedikit saat diproses. Tetapi kerugiannya adalah biaya tinggi, penyembunyian yang buruk, "polusi" terhadap lingkungan, informasi tidak cukup kaya.
Dapat dipahami bahwa navigasi otonom robot dan kendaraan tak berawak Suning mengadopsi "multi-line lidar plus GPS plus navigasi inersia dan mode pemosisian fusi multi-sensor lainnya". Secara khusus, pertama, lidar digunakan untuk pemetaan lingkungan untuk mendapatkan peta awan titik sebelumnya, dan posisi global mesin pada awalnya ditentukan melalui GPS dan navigasi inersia. Kemudian, data pemindaian lidar dicocokkan dengan peta cloud titik sebelumnya untuk mendapatkan posisi global yang lebih akurat dan mencapai penentuan posisi yang akurat dan navigasi otonom. Pada tingkat persepsi, lidar mengintegrasikan visi untuk mengidentifikasi pejalan kaki, kendaraan, dan rintangan di sekitarnya secara real time, memberikan dasar untuk merencanakan jalur memutar yang optimal.
Selain itu, terdapat navigasi inersia yang mengacu pada pemasangan giroskop pada robot atau kendaraan tak berawak, pemasangan blok pemosisian di tanah di area mengemudi, melalui perhitungan sinyal deviasi giroskop (laju sudut) dan pengumpulan sinyal blok pemosisian tanah untuk menentukan posisi dan arah mereka sendiri, sehingga mencapai panduan. Penanggung jawab Suning mengatakan dalam sebuah wawancara dengan Science and Technology Daily bahwa teknologi navigasi inersia memiliki penentuan posisi yang akurat, beban kerja pemrosesan darat yang kecil, dan fleksibilitas jalur yang kuat. Namun, biaya pembuatannya tinggi, dan ketepatan serta keandalan panduan terkait erat dengan keakuratan pembuatan giroskop dan pemrosesan sinyal selanjutnya. Singkatnya, satu cara teknis tidak dapat menyelesaikan semua masalah.
Tantangan: Masalah konsumsi daya, biaya dan industrialisasi yang harus dipecahkan
Saat ini, penerapan robot pemosisian dan navigasi otonom terutama dibagi menjadi dua kategori, satu adalah penggunaan robot penyapu keluarga dan perawatan keluarga, robot pendamping. Chen Shikai, CEO Silan Technology, mengatakan skenario aplikasi seperti itu dapat diringkas sebagai "konfigurasi nol", dalam hal penggunaan konsumen, harus sesederhana mungkin, dan dapat digunakan saat dibeli kembali. Yang lainnya adalah dalam skenario komersial, yang memerlukan proses pra-konfigurasi dengan keandalan dan skalabilitas tinggi.
Chen Shikai mengatakan bahwa sistem navigasi dan penentuan posisi rumah pribadi harus mengatasi tantangan konsumsi daya, volume, dan biaya. Saat ini, algoritma lokalisasi real-time dan konstruksi peta (SLAM) dan sistem perencanaan jalur memiliki kompleksitas yang tinggi. “Untuk robot penyapu lantai, baterainya sendiri mungkin hanya memiliki kapasitas lebih dari 20 watt-jam. Jika Anda meletakkan laptop di atasnya untuk menjalankan algoritme SLAM, daya mungkin habis dalam waktu kurang dari satu jam, yang mana sama sekali tidak dapat diterima."
Selain itu, saat robot baru pertama kali dihidupkan, ia tidak mengetahui struktur lingkungan rumah dan perlu memetakan terlebih dahulu. "Ini kontradiksi," kata Chen. Robot diharapkan untuk segera bekerja saat berada di lingkungan, tetapi algoritme arus utama juga perlu memiliki lingkungan yang telah dibangun sebelumnya atau dieksplorasi, dan di area ini, "ada beberapa pekerjaan yang harus dilakukan industri." Misalnya, jalur awal dapat direncanakan, dan jalur tersebut dapat disempurnakan dan ditingkatkan secara bertahap saat robot digunakan dan dieksplorasi, kata Chen.
Dalam skenario komersial atau profesional, kesulitan sistem navigasi otonom adalah area peta dalam skenario komersial besar, bahkan lebih dari puluhan ribu meter persegi. "Saat ini, sistem SLAM adalah memori dan komputasi intensif. Cara membuatnya bekerja dalam pemandangan yang begitu besar merupakan tantangan besar bagi sistem navigasi dan pemosisian." Solusinya, kata Tuan Chen, adalah memiliki perangkat keras yang kuat, bersama dengan pengoptimalan perangkat lunak dan algoritme yang lebih baik. “Saat ini, sistem navigasi dan penentuan posisi yang memenuhi syarat seharusnya tidak hanya memiliki lidar, tetapi juga sensor visual dan gelombang ultrasonik, dan fusi yang sesuai harus dilakukan dalam algoritma navigasi dan penentuan posisi. Integrasi ini mungkin tidak sulit secara akademis atau algoritme, tetapi mengingat masalah industrialisasi, misalnya, banyak sensor ultrasonik adalah produk non-standar, dan sensor penglihatan kedalaman memiliki spesifikasi berbeda dan lokasi pemasangan berbeda, ada tantangan dalam cara menyediakan antarmuka standar terpadu untuk digunakan pelanggan."
