Autonomiczne roboty mobilne

Jedną z najnowszych innowacji w robotyce, obok cobotów, są autonomiczne roboty mobilne AMR (Autonomous Mobile Robots). Zalicza się je, obok wózków samojezdnych AGV (Automated Guided Vehicle), do rozwiązań z kategorii intralogistyki mobilnej. AMR i AGV łączy to, że bez udziału człowieka przenoszą materiały z jednego miejsca na drugie. Na tym jednak podobieństwa się kończą. AGV bowiem przemieszczają się po z góry ustalonych trasach, zaś AMR poruszają się po ścieżkach, które planują autonomicznie i które mogą na bieżąco zmieniać, wybierając tę w danych warunkach otoczenia najlepszą do wykonania zadania.

Autonomiczność robotom mobilnym zapewnia połączenie najnowszych technologii pomiarowych, obliczeniowych i analitycznych. Czujniki, w które zwykle wyposaża się AMR, to: skanery laserowe LiDAR, kamery 3D, żyroskopy, akcelerometry, enkodery, które są montowane w kołach, sensory temperatury, magnetometry, czujniki środowiskowe. Każdy wykorzystywany jest w jednej lub w większej liczbie zadań. Na przykład skaner laserowy jest najczęściej używany do mapowania terenu, nawigacji (lokalizacji i omijania przeszkód) oraz wykrywania obiektów, na przykład stacji dokujących. Kamery 3D są z kolei przeważnie wykorzystywane do nawigacji (unikania przeszkód).

Lokalizacja w AMR

W AMR implementuje się różne techniki orientacji w przestrzeni. Przykładem jest odometria, która pozwala oszacować zmianę położenia w czasie względem miejsca startu. Ponieważ za każdym razem jest to pozycja jedynie przybliżona, błędy w jej określaniu, spowodowane m.in. poślizgiem kół i ich ścieraniem się, postępującym w miarę użytkowania, z czasem się kumulują. Aby ten efekt ograniczyć, implementuje się algorytm filtru Kalmana, korygujący odczyty w oparciu o obserwację zaszumionych i obarczonych innymi niedokładnościami wyników pomiarów, przede wszystkim z żyroskopów oraz enkoderów. Odometria jest w AMR wykorzystywana jako jedyne źródło danych o położeniu wtedy, kiedy niemożliwe jest jego wyznaczanie za pomocą skanera laserowego.

LiDAR jest z kolei wykorzystywany w lokalizowaniu przez dopasowanie skanu do mapy obiektu, po którym porusza się autonomiczny robot mobilny. W jego wyniku szacunkowe, niepasujące współrzędne zostają odrzucone. Te z kolei, które z określoną precyzją pasują, podlegają uśrednieniu w ramach implementacji algorytmu filtru cząsteczkowego. W przypadku, gdy dopasowanie się nie powiedzie, AMR zgłasza problem z ustaleniem własnego położenia. Taka sytuacja zachodzi na przykład, kiedy w otoczeniu, w którym przemieszcza się robot, nie występuje wystarczająca liczba punktów charakterystycznych, umożliwiających przeprowadzenie porównania. Przykład to rozległa otwarta przestrzeń.

W mapowaniu w AMR wykorzystuje się SLAM (Simultaneous Localization and Mapping), metodę polegającą na dopasowywaniu skanów laserowych podczas przemieszczania się robota. Ponieważ w tym zakresie stosowane są różne algorytmy, przed wyborem modelu robota trzeba się upewnić, że ten konkretny sprawdzi się w danych warunkach. O tym, jak w AMR realizowane są nawigacja, rozpoznawanie i omijanie obiektów, piszemy w ramce.

AMR - nawigacja, rozpoznawanie i omijanie obiektów Optymalna ścieżka do celu wyznaczana jest na siatce, która zostaje naniesiona na mapę terenu z zaznaczonymi przeszkodami. W pierwszym kroku wokół nich wyznaczany jest, równy rozmiarowi AMR, obszar zabroniony. W razie przekroczenie przez robota jego obrysu może on w coś uderzyć. Zazwyczaj poszerza się go o dodatkową otoczkę przejazd, którą nie jest zabroniony, ale niezalecany – algorytm projektowania optymalnej trasy nadaje ścieżkom, które ją przecinają, niższą wagę. W rezultacie zostanie wybrana droga najbezpieczniejsza, w której prawdopodobieństwo zderzenia jest w danych warunkach najmniejsze. Warunkiem bezpiecznej nawigacji AMR jest unikanie zderzenia z przeszkodami w ruchu. Przykład takiego to poruszający się wózek widłowy. Wymaga to naniesienia korekty na trasę wyznaczoną w poprzednim kroku przy założeniu, że wszystkie przeszkody rozpoznane na skanie otoczenia są nieruchome. W tym celu AMR śledzi poruszający się obiekt i przewiduje jego kolejne położenia, prognozując, po jakiej ścieżce będzie się przemieszczał. Następnie porównuje ją z obraną przez siebie trasą – jeżeli się one krzyżują, wybiera inną. Na tym właśnie polega ważna różnica między autonomicznymi robotami mobilnymi a AGV. Te drugie, poruszając się po ustalonej trasie, w razie jej zatarasowania zatrzymują się i czekają, aż zostanie odblokowana. AMR natomiast wówczas wybierają inną drogę, omijając przeszkodę. Detekcja obiektów to zwykle proces dwuetapowy. Najpierw robot musi znaleźć się w obszarze w pobliżu docelowego obiektu, a następnie musi go rozpoznać. W tym celu przemieszcza się do punktu zaznaczonego na mapie, w którym na przykład znajduje się stacja dokująca. Następnie, skanując otoczenie, poszukuje w nim kształtu obiektu docelowego. Na możliwość dopasowania w tym zakresie wpływa poprawność jego ustawienia. Jeżeli przykładowo stacja dokująca zostanie krzywo ustawiona, AMR zatrzymując się niedokładnie na wprost, może jej nie rozpoznać.