Autonomisen mobiilirobotin havainnointi LiDARilla ja konenäöllä
Autonominen mobiilirobotti tarvitsee mittauksia, jotka pysyvät käyttökelpoisina valaistuksen, liikkeen ja esteiden muuttuessa. LiDAR tuottaa geometrista tietoa; konenäkö voi täydentää visuaalista asiayhteyttä. Tutka ja inertiamittausyksikkö voivat täydentää signaaleja, jos käyttöympäristö sitä edellyttää. Aikasynkronointi ja koordinaattikalibrointi ovat yhtä tärkeitä kuin anturin valinta.
Humanoidirobotin laskenta ja ohjauksen rajaus
Humanoidirobotilla, robottikäsivarrella ja AMR:llä on erilaiset mekaaniset vaatimukset, mutta jokainen tarvitsee selkeän rajan havainnoinnin ja liikkeenohjauksen välille. Robot Operating System -integrointi voi järjestää viestit ja ohjelmistokomponentit; se ei itsessään muodosta turvallisuustoimintoa. Alvexis voi rajata sulautetun havainnointilaitteiston ja rajapinnat robotin valmistajan ohjausarkkitehtuurin mukaisesti.
Mikä on Robotics AI?
Robotics AI soveltaa koneälyä robotin havaintoihin, tehtävänvalintoihin tai toimiin. Se voi arvioida osan asennon tarttujalle, tulkita kohtauksen liikkuvalle robotille tai tunnistaa tarkastuksen vaativan kohteen. Robotti yhdistää tämän tuotoksen lokalisointiin, suunnitteluun, ohjaukseen ja fyysiseen laitteistoon.
Se on osa laajempaa Fyysinen tekoälytekniikan kuva. Edge AI voi toimia aluksella, jotta havaintoja voidaan käsitellä antureiden lähellä. Kalustoohjelmistot ja offline-työkalut voivat silti tukea ajoitusta, tietojen tarkastelua ja mallin kehitystä. Jaon tulee noudattaa ajoitus-, yhteys- ja ylläpitovaatimuksia.
Kaikki robottitoiminnot eivät tarvitse opittua mallia. Toistettavissa oleva liikerata, eksplisiittinen tilakone tai geometrinen menetelmä voi olla helpompi todentaa tarkasti määritellyssä tehtävässä. Sijoita tekoäly paikkaan, jossa vaihtelu aiheuttaa todellisen ongelman, ja arvioi sitten, parantaako se koko työnkulkua.
Valitse tehtävä ennen robottiarkkitehtuuria
| Sovellus | Mahdollinen tekoälyn panos | Mittaa mallissa pilottihanke |
|---|---|---|
| Varastokuljetukset | Vaihtuvien reittien ja kuormien havaitseminen ja tulkinta | Tehtävän suorittaminen, interventiot ja toipumisaika |
| Osien käsittely | Kohteen tunnistus ja asennon arviointi | Onnistuneet siirrot osaversioittain, uudelleenyritykset ja vauriot |
| Tarkastusrobotiikka | Tarkistamista vaativien ehtojen etsiminen ja tallentaminen | Kattavuus, puuttuneet havainnot ja toistettavuus |
| Maatalouden maajärjestelmät | Kasvien tai maaston tulkitseminen tietyn tehtävän sisällä | Tehtävän tarkkuus sään, kasvuvaiheiden ja valaistuksen mukaan |
| Laboratorion tai sairaalan logistiikka | Objektin tai reitin havaitseminen rajoitetussa työnkulussa | Jäljitettävyys, onnistunut käsittely ja operaattorin vaihto |
Nämä ovat ehdokkaita kehitysalueita, eivät luetteloa käyttöönotetuista Alvexis-roboteista. Kuvaile toiminta-alue tarkasti: lattia tai maasto, valaistus, ihmiset, hyötykuorma, sallitut reitit ja kielletyt toimet. Näiden ehtojen muuttaminen voi muuttaa ongelmaa enemmän kuin suuremman tekoälymallin valitseminen.
Rakenna selkeä reitti antureista liikkeeseen
Hankinta ja synkronointi: Kirjaa ylös, milloin jokainen havainto on hankittu, sen koordinaattikehys ja sen kalibrointiversio. Havaitusta kohteen sijainnista ei ole hyötyä tarttujalle ennen kuin muunnos robottikehykseen on voimassa. Lue meidän ajan synkronoinnin opas ennen kameroiden, IMU:iden ja liikemittausten yhdistämistä.
Havainto ja tila: Päätä, mitä seuraava vaihe todella tarvitsee: luokan, asennon, vapaan tilan arvion vai luotettavuuden edellyttävän tapahtuman. Julkaise tarpeeksi kontekstia vanhentuneiden tai virheellisten tulosteiden hylkäämiseksi. Määritä, miten järjestelmä käyttäytyy, kun anturi on peitetty, lokalisointi menetetään tai luottamus laskee sovelluksen kynnyksen alapuolelle.
Tehtävä- ja liikerajapinnat: Pidä näkyvä raja ehdotetun tavoitteen ja sen toteuttamiseen valtuutetun komponentin välillä. Suunnittelija voi pyytää muuttoa; ohjausjärjestelmän on vielä valvottava sallittuja käyttöehtojaan. Määritä peruutus, aikakatkaisut, ohitukset ja paluu tunnettuun tilaan.
Suojatoiminnot tarvitsevat sovelluskohtaisen turvasuunnittelun. Tavallista tekoälymallia tai -navigointipakettia ei pidä esittää sertifioituna turvatoimintona. Esimerkiksi Nav2 kuvaa törmäysvalvontaansa ylimääräisenä ohjelmistokerroksena. Sen läsnäolo ei takaa, että robottiasennus olisi turvallinen.
Mittaa päätöksen ikä, älä vain päättele aikaa
Nopea malli voi edelleen toimia vanhalla tiedolla. Valotus tai hankinta, siirto, jonottaminen, esikäsittely, päättely, suunnittelu ja komentojen antaminen vaikuttavat kaikki havainnoinnin ikään, kun se saavuttaa koneen. Määritä jokaisen latenssimittauksen aloitus- ja loppupisteet.
Tallenna latenssijakaumat ja huiput samanaikaisen kameran kaappauksen, kirjaamisen ja viestinnän aikana. Tarkista, mitä tapahtuu, kun kuluttaja jää jälkeen. Jono, joka säilyttää jokaisen vanhan havainnon, voi olla sopimaton nykytilan päätökselle, kun taas havaintojen hylkääminen voi olla ei-hyväksyttävää todistelokin kannalta. Anna kullekin tietopolulle selkeä käytäntö.
Valitse reunalaitteisto koko työmäärän ympäriltä
Ennen kuin valitset prosessorin, luettele kameran liitännät, anturinopeudet, mallioperaattorit, CPU-palvelut, muistikopiot, tallennusmuistin kirjoitus- ja ohjausliitännät. Tuettu kiihtyvyys on tärkeämpää kuin otsikkotoimintojen määrä. Testaa suunniteltua mallia ja ohjelmistopinoa edustavalla alustalla.
Mobiilijärjestelmä tuo myös teho- ja lämpörajoituksia. Harkitse käynnistysvirtaa, akun käyttäytymistä, jatkuvaa jäähdytystä, liittimen pysymistä ja tilaa huoltoon pääsylle. Lyhyesti pöydällä pyörivä laboratoriotaulu ei ole vielä osoittanut hyödyllistä käyttöjaksoa suljetun robotin kotelo sisällä.
ForgeEdge-Core on lähtökohta keskustelemaan mukautetun laskennan integroinnista; ForgeEdge-Duo tarjoaa arkkitehtuurin keskustelemaan sovellusten käsittelystä reaaliaikaisen ohjauksen rinnalla. Tuotteen soveltuvuus, ohjelmistotuki ja suojatoiminnot on tarkistettava robotin vaatimusten mukaisesti. The FPGA, NPU ja MPU opas auttaa erottamaan käsittelyrooleja.
Käytä simulaatiota vastataksesi tiettyihin kysymyksiin
Rakenna simulaatio päätöksen ympärille: saavutettavuus, anturin sijoitus, reittilogiikka tai toistettava käsittelytehtävä. Vaihtele tekijöitä, jotka voivat rikkoa suunnittelun, kuten kohteen asento, kitkaoletukset, anturin kohina tai odottamattomat esteet. Säilytä simulaatioversiot ja skenaariomääritykset testitulosten kanssa.
NVIDIA's sim-to-real esimerkki näyttää polun simuloidusta tehtävästä todelliseen robottiin. Tuoteohjelmassa siirto jää testattavaksi. Vertaa fyysistä robottia mallin oletuksiin, mukaan lukien ajoitus, mekaaninen yhteensopivuus ja asennetut anturit.
Älä käytä simulaation menestystä käyttöönoton korvikkeena. Hyvä seuraava askel on rajoitettu fyysinen koe, jossa on instrumentoidut lähdöt ja sovittu operaattorin vaihto. Laajenna toiminta-aluetta vasta todisteiden tarkistamisen jälkeen.
Testien epäonnistumisia sekä onnistuneita esittelyjä
| Skenaario | Tarkkaile | Hyväksymiskysymys |
|---|---|---|
| Anturi puuttuu tai peitetty | Kelvollisuusliput, tehtävän tila ja operaattorin ilmoitus | Meneekö robotti määritettyyn rajoitettuun tai pysäytettyyn tilaan? |
| Viivästyneet tai epäjohdonmukaiset tiedot | Tulostusikä, kehysmuunnokset ja hylätyt viestit | Voiko vanhentunut tieto käynnistää tahattoman toiminnan? |
| Odottamaton kohde tai epäonnistunut ote | Uudelleenyritykset, yhteydenottotulos ja kanavanvaihto | Pysyykö palautuminen sallittujen tehtävien rajoissa? |
| Verkko katkeaa tai käynnistyy uudelleen | Paikallisen autonomian raja ja palautettu valtio | Voiko edellinen komento toistaa vahingossa? |
| Pitkäkestoinen toiminta | Lämpötila, teho, suorituskyky ja ryömintä | Pysyykö tehtävä toistettavissa vaaditun käyttöjakson ajan? |
Pidä kirjaa kunkin ajon laitteistosta, laiteohjelmistosta, mallista, kalibroinnista ja kokoonpanoversioista. Aggregoitua onnistumisprosenttia on vaikea tulkita ilman tehtäväyhdistelmää ja epäonnistumisluokkia. Raportoi suoritus skenaarioittain ja pidä vaikeat tapaukset arviointijoukossa järjestelmää parantaessasi.
Mitä tuoda insinöörikeskusteluun
Jaa lyhyt video tai kaavio tehtävästä, robotin tai koneen liitännöistä, käytettävissä olevista antureista sekä tilan, tehon ja jäähdytyksen rajoituksista. Määritä, kuka omistaa robottiohjaimen, kuka toimittaa sovellustiedot ja kuka hyväksyy valmiin järjestelmän. Nämä rajat selventävät prototyyppiehdotusta ja sen riippuvuuksia.
Alvexis voi keskustella mukautetusta operaattorista, tunnistusliitännöistä, sulautetusta prosessoinnista, kotelo:stä ja integraatiotyöstä, jota tarvitaan valitulla alustalla. Lääketieteellisen robotiikan osalta aloita erillisellä terveydenhuollon suunnitteluopas joten kliininen tarkoitus ja validointivastuut määritellään varhain.
ROS 2, SLAM ja havainnointi autonomisille mobiiliroboteille
Autonominen mobiilirobotti (AMR) tarvitsee muutakin kuin kohteen havaitsemisen. Sen on arvioitava sijaintinsa, tulkittava lähellä olevat esteet ja annettava liikekomentoja määritetyissä rajoissa. SLAM tarkoittaa samanaikaista lokalisointia ja kartoitusta; sen tehtävä on erilainen kuin kohteen tunnistaminen kamerakuvassa. LiDAR, kamerat, pyörän matkamittaus ja IMU-tiedot voivat vaikuttaa valitun arkkitehtuurin mukaan.
Sovi ROS 2-navigointiprojektissa koordinaattikehykset, aikaleiman käsittely, viestinopeudet ja datan enimmäisikä ennen integrointia. Testaa kartoitus ja lokalisointi, missä robotti toimii, mukaan lukien muuttuvat esteet ja heikot visuaaliset ominaisuudet. Navigointiohjelmisto ja havaintolaitteisto eivät korvaa robotin itsenäistä riskinarviointia ja turvatoimia.
Suunnittelukamera, LiDAR- ja IMU-synkronointi
Tekniset referenssit
- Nav2: Törmäysmonitorin laajuus ja rajoitukset
- NVIDIA: Sim-to-real robotin oppimisen yleiskatsaus
- NVIDIA: Fyysiset tekoälykonseptit
- Nav2: robotin asetukset, matkan mittaus, kartoitus ja lokalisointi
Ajoituslaskelma on havainnollistava. Tämä artikkeli ei vaadi robotin suorituskykyä tai turvallisuussertifikaattia.
Rakenna elektroniikka robotin tehtävän ympärille.
Kuvaile tarvitsemasi anturit, rajapinnat, toimintaympäristö ja tulos. Voimme keskustella mitattavan pilottihanke:n laitteistosta ja sulautetusta suunnittelusta.
Keskustele robottiprojektistasiTutustu fyysiseen tekoälyyn eri toimialoilla →