A mesura que els robots es tornen més autosuficients, han de navegar pel seu entorn amb més independència i fiabilitat. Els tractors autònoms, les recol·lectores agrícoles i les màquines de sembra han d'anar amb cura pels camps de cultiu, mentre que els vehicles de lliurament autònoms han de travessar els carrers amb seguretat per col·locar els paquets al lloc correcte. En una àmplia gamma d'aplicacions, els robots mòbils autònoms (AMR) requereixen fonts de posicionament altament precises per completar amb seguretat i èxit els treballs per als quals estan dissenyats.
Assolir aquesta precisió requereix dos conjunts de capacitats d'ubicació. Un és entendre la posició relativa de si mateix respecte a altres objectes. Això proporciona una aportació crítica per entendre el món que l'envolta i, en el cas més obvi, evitar els obstacles estacionaris i en moviment. Aquesta maniobra dinàmica requereix una àmplia pila de sensors de navegació com càmeres, radar, lidar i el programari de suport per processar aquests senyals i donar direcció en temps real a l'AMR.
El segon conjunt de capacitats és que l'AMR entengui la seva ubicació física precisa (o ubicació absoluta) al món perquè pugui navegar de manera precisa i repetida per un camí que es va programar al dispositiu. Un cas d'ús obvi aquí és l'agricultura d'alta precisió, on diversos AMR han de recórrer el mateix camí estret al llarg de molts mesos per plantar, regar i collir cultius, amb cada pas que requereix que l'AMR faci referència al mateix lloc exacte cada vegada. .
Això requereix un conjunt diferent de capacitats de navegació, començant pels sistemes globals de navegació per satèl·lit (GNSS), que tot l'ecosistema de sensors i programari aprofita. Augmentar GNSS són capacitats de correcció com RTK i SSR que ajuden a conduir una precisió 100 vegades més gran que GNSS només per a aplicacions a cel obert, i unitats de mesura inercial combinades amb programari de fusió de sensors per navegar on GNSS no està disponible (estimació).
Abans d'endinsar-nos en aquestes tecnologies, dediquem un minut a analitzar els casos d'ús en què es requereixen ubicacions relatives i absolutes perquè un AMR faci la seva feina.
Aplicacions de robòtica que requereixen posicionament relatiu i absolut
Els AMR revelen el que els humans donen per fet: la capacitat innata de localitzar-se amb precisió al món i prendre mesures precises basades en aquesta informació. Com més variades siguin les aplicacions dels AMR, més descobrim quins tipus d'accions requereixen una precisió extrema. Alguns exemples inclouen:
Automatització Agrícola: A l'agricultura, els AMR són cada cop més comuns per a tasques com la plantació, la collita i el seguiment de cultius. Aquests robots utilitzen el posicionament absolut, normalment mitjançant GPS, per navegar per camps grans i sovint desiguals amb precisió. Això garanteix que puguin cobrir grans àrees de manera sistemàtica i tornar a llocs específics segons sigui necessari. Tanmateix, un cop a la proximitat dels cultius o dins d'una àrea designada, els AMR es basen en el posicionament relatiu per a tasques que exigeixen un nivell més elevat de precisió, com ara recollir fruites que poden haver crescut o canviat de posició des que l'AMR la va visitar per última vegada. En combinar ambdós mètodes de posicionament, aquests robots poden operar de manera eficient en els entorns difícils i variables típics dels camps agrícoles.
Lliurament d'última milla en entorns urbans: els AMR estan transformant el lliurament d'última milla en entorns urbans mitjançant el transport autònom de mercaderies des dels centres de distribució fins a les destinacions finals. Aquests robots utilitzen el posicionament absolut per navegar pels carrers, carrerons i traçats urbans complexos, assegurant-se que segueixen rutes optimitzades alhora que eviten el trànsit i compleixen els horaris de lliurament. En arribar a les proximitats del lloc de lliurament, els AMR també utilitzaran el posicionament relatiu per maniobrar al voltant d'obstacles variables o inesperats, com ara un vehicle amb doble estacionament al carrer. Aquest enfocament dual permet als AMR manejar les complexitats dels paisatges urbans i fer lliuraments precises directament a les portes dels clients.
Automatització d'obra: A les obres de construcció, s'utilitzen AMR per garantir que el projecte es construeixi amb les especificacions exactes que van ser designades pels enginyers. També ajuden amb tasques com el transport de materials i la cartografia o la topografia d'entorns. Aquests llocs sovint abasten grans àrees amb entorns en constant canvi, la qual cosa requereix que els AMR utilitzin un posicionament absolut per navegar i mantenir l'orientació dins del lloc global del projecte. El posicionament relatiu entra en joc quan els AMR realitzen tasques que requereixen interacció amb elements dinàmics, com evitar altres equips o fins i tot personal al lloc. La combinació d'ambdós sistemes de posicionament permet als AMR contribuir eficaçment a la naturalesa complexa i dinàmica dels projectes de construcció, millorant l'eficiència i la seguretat.
Manteniment autonòmic de carreteres: Els AMR s'utilitzen cada cop més en tasques de manteniment de carreteres, com ara la inspecció del paviment, el segellat d'esquerdes i la pintura de línies. Aquests robots utilitzen el posicionament absolut per viatjar per trams d'autopistes o carreteres, assegurant-se que es mantenen en el camí a llargues distàncies i poden capturar amb precisió les ubicacions específiques on s'ha de fer el manteniment. Quan realitzen aquestes tasques de manteniment, canvien al posicionament relatiu per identificar i abordar amb precisió les imperfeccions específiques de la carretera, pintar les marques del carril amb precisió o navegar per obstacles. Aquesta capacitat dual permet als AMR gestionar de manera eficient les tasques de manteniment de carreteres alhora que redueix la necessitat que els treballadors humans operen en entorns perillosos a la carretera, millorant la seguretat i la productivitat.
Seguiment i conservació del medi ambient: En entorns a l'aire lliure, els AMR es despleguen sovint per a esforços de control i conservació ambientals, com ara el seguiment de la vida salvatge, la detecció de la contaminació i la cartografia d'hàbitats. Aquests robots aprofiten el posicionament absolut per navegar per grans àrees naturals, des dels boscos fins a les regions costaneres, assegurant una cobertura integral del terreny i permetent la captura d'enquestes i cartografia detallada del lloc. Els AMR poden realitzar tasques com la captura d'imatges d'alta resolució, la recollida de mostres o el seguiment dels moviments dels animals amb una precisió extrema i poden superposar aquestes mostres al llarg del temps de manera cohesionada.
En tots els exemples anteriors, es requereix una precisió de posicionament absoluta de molt menys d'un metre per evitar conseqüències potencialment catastròfiques. Les lesions dels treballadors, les pèrdues substancials de productes i els costosos retards són probables sense una ubicació precisa. Essencialment, a qualsevol lloc on un AMR hagi d'operar en uns pocs centímetres requerirà que tingui solucions d'ubicació relativa i absoluta.
Tecnologia per al posicionament relatiu
Els AMR aprofiten una sèrie de sensors per localitzar-se en relació amb altres objectes del seu entorn. Aquests inclouen:
Càmeres: Les càmeres funcionen com a sensors visuals dels robots mòbils autònoms, proporcionant-los una imatge immediata del seu entorn similar a la manera com funcionen els ulls humans. Aquests dispositius capturen informació visual rica que els robots poden utilitzar per a la detecció d'objectes, evitar obstacles i mapejar l'entorn. Tanmateix, les càmeres depenen d'una il·luminació adequada i es poden veure obstaculitzada per condicions meteorològiques adverses com la boira, la pluja o la foscor. Per fer front a aquestes limitacions, les càmeres sovint es combinen amb sensors d'infrarojos propers o estan equipades amb capacitats de visió nocturna, que permeten que els robots vegin en condicions de poca llum. Les càmeres són un component clau en l'odometria visual, un procés on els canvis de posició al llarg del temps es calculen mitjançant l'anàlisi d'imatges de càmeres seqüencials. En general, les càmeres sempre requereixen un processament important per convertir les seves imatges 2-D en estructures 3-D.
Sensors de radar: Els sensors de radar funcionen emetent ones de ràdio polsants que reflecteixen els objectes, proporcionant informació sobre la velocitat, la distància i la posició relativa de l'objecte. Aquesta tecnologia és robusta i pot funcionar amb eficàcia en diverses condicions ambientals, com ara la pluja, la boira i la pols, on les càmeres i el lidar poden tenir problemes. Tanmateix, els sensors de radar solen oferir dades més escasses i una resolució més baixa en comparació amb altres tipus de sensors. Malgrat això, són inestimables per la seva fiabilitat a l'hora de detectar la velocitat dels objectes en moviment, cosa que els fa especialment útils en entorns dinàmics on la comprensió del moviment d'altres entitats és fonamental.
Sensors Lidar: Lidar, o Light Detection and Ranging, és una tecnologia de sensors que utilitza polsos làser per mesurar distàncies cronometrant la reflexió de la llum dels objectes. En escanejar l'entorn amb polsos làser ràpids, lidar crea mapes en 3D detallats i molt precisos de l'entorn. Això el converteix en una eina essencial per a la localització i el mapeig simultanis (SLAM), on el robot crea un mapa d'un entorn desconegut mentre fa un seguiment de la seva ubicació dins d'aquest mapa. Lidar és conegut per la seva precisió i la seva capacitat de funcionar bé en diverses condicions d'il·luminació, tot i que pot ser menys eficaç a la pluja, la neu o la boira, on les gotes d'aigua poden dispersar els raigs làser. Tot i ser una tecnologia cara, el lidar es veu afavorit en la navegació autònoma per la seva precisió i fiabilitat en entorns complexos.
Sensors ultrasònics: Els sensors d'ultrasons funcionen emetent ones sonores d'alta freqüència que reboten en objectes propers, i el sensor mesura el temps que triga a tornar l'eco. Això permet al robot calcular la distància als objectes i obstacles al seu pas. Aquests sensors són especialment útils per a la detecció de curt abast i sovint s'utilitzen en activitats lentes i de curta distància, com ara navegar per espais reduïts com els passadissos de magatzems, o per a maniobres precises com l'acoblament o la còpia de seguretat. Els sensors d'ultrasons són rendibles i funcionen bé en una varietat de condicions, però el seu rang limitat i el seu temps de resposta més lent en comparació amb el lidar i les càmeres fan que siguin els més adequats per a entorns específics i controlats on es requereix una alta precisió a prop.
La tecnologia de base utilitzada per al posicionament absolut comença amb GNSS (el terme que inclou el GPS i altres sistemes de satèl·lit com GLONASS, Galileo i BeiDou). Atès que el GNSS es veu afectat per les condicions atmosfèriques i les inconsistències dels satèl·lits, pot donar una solució de posició que està desactivada per molts metres. Per als AMR que requereixen una navegació més precisa, això no és prou bo; per tant, l'aparició d'una tecnologia coneguda com a correccions GNSS que redueix aquest error fins a un centímetre.
RTK: La cinemàtica en temps real (RTK) utilitza una xarxa d'estacions base amb posicions conegudes com a punts de referència per corregir les estimacions de la ubicació del receptor GNSS. Sempre que l'AMR estigui a 50 quilòmetres d'una estació base i tingui un enllaç de comunicació fiable, RTK pot proporcionar de manera fiable una precisió d'1–2-centímetre.
SSR o PPP-RTK: State Space Representation (SSR), que de vegades també s'anomena PPP-RTK, aprofita la informació de la xarxa de l'estació base, però en lloc d'enviar correccions directament des d'una estació base local, modela els errors en una àmplia àrea geogràfica. El resultat és que una cobertura més àmplia permet distàncies molt més enllà dels 50 km des d'una estació base, però la precisió baixa a 3-10 centímetres o més en funció de la densitat i la qualitat de la xarxa.
Tot i que aquests dos enfocaments funcionen excepcionalment bé quan hi ha senyals GNSS disponibles (generalment a cel obert), molts AMR viatjaran lluny del cel obert, on hi ha una obstrucció entre el receptor GNSS de l'AMR i el cel. Això pot passar en túnels, aparcaments, horts i entorns urbans. Aquí és on els sistemes de navegació inercial (INS) entren en joc amb la seva unitat de mesura inercial (IMU) i el programari Sensor Fusion.
IMU– Una IMU combina acceleròmetres, giroscopis i, de vegades, magnetòmetres per mesurar l'acceleració lineal, la velocitat angular i la força del camp magnètic d'un sistema, respectivament. Aquestes són dades crucials que permeten a un INS determinar la posició, la velocitat i l'orientació d'un objecte en relació amb un punt de partida en temps real.
La història de l'IMU es remunta a principis del segle XX, amb les seves arrels en el desenvolupament de dispositius giroscòpics utilitzats en sistemes de navegació per a vaixells i avions. Les primeres IMU pràctiques es van desenvolupar durant la Segona Guerra Mundial, principalment per utilitzar-les en sistemes de guia de míssils i més tard en el programa espacial. Les missions Apollo, per exemple, depenien molt de les IMU per a la navegació a l'espai, on els mètodes de navegació tradicionals no eren factibles. Al llarg de les dècades, la tecnologia IMU ha avançat significativament, impulsada per la miniaturització dels components electrònics i l'arribada de la tecnologia de sistemes microelectromecànics (MEMS) a finals del segle XX. Aquesta evolució ha donat lloc a IMU més compactes, assequibles i precises, que permeten la seva integració en una àmplia gamma d'electrònica de consum, sistemes d'automoció i aplicacions industrials actuals.
Fusió de sensors– El programari de fusió de sensors s'encarrega de combinar les dades de l'IMU, així com d'altres sensors per crear una comprensió cohesionada i precisa de la ubicació absoluta d'un AMR quan el GNSS no està disponible. Les implementacions més bàsiques "omplen els buits" en temps real, entre quan es deixa caure el senyal GNSS i quan l'AMR el torna a recuperar. La precisió del programari de fusió de sensors depèn de diversos factors, com ara la qualitat i el calibratge dels sensors implicats, els algorismes utilitzats per a la fusió i l'aplicació o entorn específic en què es desplega. Un programari de fusió de sensors més sofisticat és capaç de correlacionar diferents modalitats de sensors, donant lloc a una precisió de posició superior a la de qualsevol dels sensors de la solució que funcionen sols.
RTK per a GNSS proporciona una font altament precisa de localització absoluta per a robots autònoms. Sense RTK, però, moltes aplicacions de robòtica simplement no són possibles ni pràctiques. Des de rovers d'enquesta de construcció fins a drons de lliurament autònoms i eines d'agricultura autònomes, nombrosos AMR depenen del posicionament absolut amb precisió centímetre que només pot proporcionar RTK.
Dit això, una solució RTK només és tan bona com la xarxa que hi ha darrere. Les correccions constantment fiables requereixen una xarxa molt densa d'estacions base perquè els receptors estiguin sempre dins d'un rang prou proper per a correccions d'errors precises. Com més gran sigui la xarxa, més fàcil serà obtenir correccions per a AMR des de qualsevol lloc. La densitat per si sola no és l'únic factor. Les xarxes són sistemes en temps real molt complicats i requereixen un seguiment professional, una enquesta i una comprovació d'integritat per garantir que les dades que s'envien a l'AMR siguin precises i fiables.
Què significa tot això per als desenvolupadors de robots autònoms? Almenys pel que fa a les aplicacions a l'aire lliure, cap AMR està complet sense un receptor GNSS alimentat per RTK. Per obtenir la solució més precisa possible, els desenvolupadors haurien de confiar en la xarxa RTK més densa i fiable. I on els robots s'han de moure amb freqüència dins i fora d'entorns de senyal GNSS ideals, com ara un vehicle de lliurament autònom, RTK combinat amb una IMU proporciona la font més completa de posicionament absolut disponible.
No hi ha dues aplicacions de robòtica autònoma iguals i cada configuració única requereix la seva pròpia combinació d'informació de posicionament relativa i absoluta. Tanmateix, per als AMR exteriors de demà, el GNSS amb una xarxa de correccions RTK robusta és un component essencial de la pila de sensors.