ในด้านการพัฒนาอย่างรวดเร็วของหุ่นยนต์อัตโนมัติ การนำทางและการกำหนดตำแหน่งถือเป็นหนึ่งในความสามารถที่สำคัญที่สุด เมื่อเร็วๆ นี้ Reeman Robotics ได้เปิดตัวชุดการปรับปรุงสำหรับระบบนำทาง-การปรับแต่งที่ช่วยเพิ่มความแข็งแกร่ง ความยืดหยุ่น และประสิทธิภาพในการใช้งานจริง-ได้อย่างมาก ในโพสต์นี้ เราจะอธิบายเกี่ยวกับนวัตกรรมที่สำคัญ วิธีแก้ไขปัญหาความท้าทายก่อนหน้านี้ และสิ่งที่พวกเขาสัญญาไว้สำหรับอนาคตของหุ่นยนต์ด้านบริการ การจัดส่ง และลอจิสติกส์
เหตุใดการนำทางจึงมีความสำคัญ (และอะไรที่ทำให้การนำทางยาก)
ก่อนที่จะเจาะลึกการปรับปรุงของ Reeman การทำความเข้าใจความท้าทายหลักที่ระบบนำทางหุ่นยนต์เคลื่อนที่ต้องเอาชนะนั้นมีประโยชน์:
การแปลและการทำแผนที่- หุ่นยนต์จะต้องรู้ว่ามันอยู่ที่ไหน โดยสัมพันธ์กับแผนที่ระดับโลกหรือแผนที่ที่เรียนรู้ (หรือสร้างมันขึ้นมาทันที)
การวางแผนเส้นทางและ-การวางแผนใหม่- ด้วยตำแหน่งและเป้าหมายของหุ่นยนต์ หุ่นยนต์จะต้องวางแผนเส้นทางที่ปลอดภัยและมีประสิทธิภาพ เมื่อมีสิ่งกีดขวางหรือการเปลี่ยนแปลงเกิดขึ้น จะต้อง-วางแผนใหม่แบบไดนามิก
การรับรู้และการหลีกเลี่ยงอุปสรรค- เซ็นเซอร์ต้องตรวจจับสิ่งกีดขวางแบบคงที่และไดนามิกได้อย่างน่าเชื่อถือ แม้ภายใต้การเปลี่ยนแปลงของแสง ความยุ่งเหยิง การบดบัง หรือเสียงรบกวนของเซ็นเซอร์
เซนเซอร์ฟิวชั่นและความทนทาน- รูปแบบเซ็นเซอร์เดี่ยว (เช่น เลเซอร์เท่านั้น หรือการมองเห็นเท่านั้น) มีแนวโน้มที่จะมีโหมดความล้มเหลว ระบบที่แข็งแกร่งจะหลอมรวมเซ็นเซอร์หลายตัวและจัดการกับอินพุตที่เสื่อมโทรมได้อย่างสง่างาม
การปรับตัวต่อการเปลี่ยนแปลงสภาพแวดล้อม- การเปลี่ยนแปลงเลย์เอาต์ในอาคาร (เช่น การเปลี่ยนเฟอร์นิเจอร์ คนหนาแน่น) การจัดแสง หรือการเปลี่ยนพื้นหลาย- ช่วยเพิ่มความซับซ้อน
Reeman มีเทคโนโลยีที่ผสมผสานกันมานาน เช่น LiDAR, วิชั่น, SLAM และอื่นๆ อีกมากมายในหุ่นยนต์ (- REEMAN Robot) การเพิ่มประสิทธิภาพล่าสุดช่วยเสริมความแข็งแกร่งให้กับความสามารถเหล่านี้
การอัพเกรดที่สำคัญในการนำทางที่ปรับให้เหมาะสมที่สุดของ Reeman
นี่คือความก้าวหน้าที่โดดเด่นที่ Reeman ได้นำเสนอ:
1. Dual LiDAR สำหรับการรับรู้ 360 องศาเต็มรูปแบบ
การอัพเกรดฮาร์ดแวร์ที่มองเห็นได้ชัดเจนยิ่งขึ้นอย่างหนึ่งคือในเรือบิน AMRแพลตฟอร์มที่ Reeman ย้ายจาก LiDAR เครื่องเดียวไปเป็นการตั้งค่า LiDAR คู่-ในแนวทแยงครอบคลุม 360 องศา และขจัดจุดบอด (reemanrobot.com) สิ่งนี้มีความสำคัญอย่างยิ่งในสภาพแวดล้อมที่มีความหนาแน่นและไดนามิก (คลังสินค้า โรงงาน) ซึ่งอาจมีสิ่งกีดขวางปรากฏขึ้นจากทุกทิศทาง
2. ปรับปรุงการหลีกเลี่ยงอุปสรรคด้วยการรับรู้ 3 มิติ
นอกเหนือจากการสแกน LiDAR ในระนาบแล้ว โมดูล "การนำทาง 3 มิติในการหลีกเลี่ยงสิ่งกีดขวางอัตโนมัติ" ของ Reeman ยังรวมการตรวจจับ 3 มิติที่สมบูรณ์ยิ่งขึ้น (เช่น กล้องความลึกหรือพอยต์คลาวด์ LiDAR) เพื่อตัดสินความสูง รูปร่าง และวิถีการเคลื่อนที่ของสิ่งกีดขวาง (reeman.en.made-in-china.com) ช่วยให้ควบคุมได้ปลอดภัยยิ่งขึ้นและแก้ไขเส้นทางได้ราบรื่นขึ้น โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมที่แตกต่างกันในแนวตั้ง
3. อัลกอริธึมการนำทางเวอร์ชัน 3.0: ลอจิกการจัดส่งที่ชาญฉลาดยิ่งขึ้น
ในการตั้งค่าร้านอาหารและบริการ Reeman's newอัลกอริธึมการนำทาง 3.0แก้ไขปัญหาทั่วไปก่อนหน้านี้: เมื่อจุดปลายทางถูกครอบครอง (เช่น โต๊ะถูกบล็อกชั่วคราว) บางครั้งหุ่นยนต์จะเดินไปใกล้จุดนั้นอย่างไร้จุดหมาย การอัพเกรดทำให้พวกเขาสามารถจอดอย่างชาญฉลาดใกล้จุดส่งมอบมากกว่าสั่น (reemanrobot.com) ยิ่งไปกว่านั้น ในการตั้งค่าหุ่นยนต์หลาย- ระบบสามารถทำเครื่องหมาย "โซนที่แออัด" และกำหนดเส้นทางหุ่นยนต์เพื่อหลีกเลี่ยงปัญหาคอขวดของการจราจรแบบไดนามิก (reemanrobot.com)
4. ฟิวชั่นสแลมและเซ็นเซอร์ที่แข็งแกร่งยิ่งขึ้น
กลุ่มการนำทางของ Reeman ยังคงพึ่งพา SLAM (Simultaneous Localization and Mapping) สำหรับการทำแผนที่และการแปลตามเวลาจริง- (- REEMAN Robot) การเพิ่มประสิทธิภาพล่าสุดช่วยปรับปรุงความเสถียรของแผนที่ การตรวจจับการปิดลูป และการแก้ไขการเบี่ยงเบนของการแปลโดยการหลอมรวม LiDAR การมองเห็น และข้อมูลเฉื่อย ฟิวชั่นที่แข็งแกร่งยิ่งขึ้นหมายความว่าระบบสามารถรับมือกับการเปลี่ยนแปลงของสภาพแวดล้อมได้ดีขึ้น (การเปลี่ยนแปลงของแสง สิ่งกีดขวางชั่วคราว ฯลฯ)
5. การจัดตารางเวลาที่ชาญฉลาดยิ่งขึ้นและการประสานงานด้วยหุ่นยนต์หลายรูปแบบ-
การนำทางไม่ได้เป็นเพียงเกี่ยวกับเส้นทางของหุ่นยนต์ตัวเดียว: ในหลาย ๆ สถานการณ์การใช้งาน หุ่นยนต์หลายตัวใช้พื้นที่ร่วมกัน รองรับระบบจัดส่งส่วนกลางที่ได้รับการปรับปรุงของ Reemanการทำงานร่วมกันด้วยหุ่นยนต์หลายตัว-การวางแผนเส้นทางข้ามหุ่นยนต์ การหลีกเลี่ยงความแออัดแบบไดนามิก และการกำหนดเวลาลำดับความสำคัญ (reemanrobot.com) สิ่งนี้มีประโยชน์อย่างยิ่งในสภาพแวดล้อมที่หนาแน่น เช่น ร้านอาหาร โกดัง หรือพื้นที่การผลิต
6. ความคล่องตัวและการปรับตัวที่ดีขึ้น
รีแมนยังได้ปรับแต่งการเคลื่อนไหวทางกายภาพเพื่อเสริมการนำทาง: ตอนนี้ Fly Boat AMR ใช้แล้วล้อรอบทิศทางที่ใหญ่ขึ้น(4 นิ้วเทียบกับ 3 นิ้ว) เพื่อให้รับมือกับเกณฑ์ พื้นที่ผิดปกติ และสิ่งกีดขวางเล็กๆ น้อยๆ ได้ดีขึ้น (reemanrobot.com) การออกแบบล้อที่ได้รับการปรับปรุงช่วยให้การนำทางมีเสถียรภาพเมื่อเปลี่ยนผ่านพื้นผิวหรือเข้า/ออกจากลิฟต์
ผลกระทบที่เกิดขึ้นจริง-ต่อโลก: กรณีการใช้งานและประสิทธิภาพที่เพิ่มขึ้น
การอัพเกรดทางเทคโนโลยีแปลงไปสู่ผลประโยชน์ที่จับต้องได้ในการใช้งานจริง:
ที่ร้านอาหาร หุ่นยนต์ส่งของจะหลีกเลี่ยงการติดขัดเมื่อเส้นทางหรือจุดหมายปลายทางถูกปิดกั้นชั่วคราว (reemanrobot.com)
ในโรงงานของรีแมนบิ๊กหมา AMRถูกนำมาใช้ในโรงงานตัดเย็บเสื้อผ้าหลาย-ชั้น โดยสามารถขึ้นลิฟต์ได้อัตโนมัติ เคลื่อนที่ข้ามชั้น วางแผนเส้นทางที่เหมาะสมที่สุด และปรับปรุงความเร็วในการผลิตประมาณ 30% (- หุ่นยนต์รีแมน)
ในการตั้งค่าคลังสินค้าและโลจิสติกส์ การตรวจจับสิ่งกีดขวางแบบ 360 องศาของ Fly Boat AMR และการทำแผนที่ที่ได้รับการปรับปรุงช่วยลดการชนหรือการหยุดทำงาน และรักษาการไหลที่ราบรื่นในรูปแบบที่ซับซ้อน (reemanrobot.com)
โดยรวมแล้ว การปรับปรุงเหล่านี้ทำให้หุ่นยนต์ Reeman มีมากขึ้นแข็งแกร่งต่อการเปลี่ยนแปลงสภาพแวดล้อม, มีประสิทธิภาพในสถานการณ์ไดนามิก, และง่ายต่อการปรับใช้ในสถานที่ต่าง ๆโดยไม่ต้องปรับแต่งเองอย่างกว้างขวาง
ความท้าทาย การแลกเปลี่ยน และทิศทางในอนาคต
แม้ว่าการปรับปรุงจะมีนัยสำคัญ แต่ความท้าทายและข้อเสียบางประการยังคงอยู่:
ต้นทุนและความซับซ้อน: การเพิ่ม LiDAR คู่ เซ็นเซอร์ที่สมบูรณ์ยิ่งขึ้น และการคำนวณที่มากขึ้น ทำให้ต้นทุนและการใช้พลังงานเพิ่มขึ้น
ความยืดหยุ่นของความล้มเหลวของเซนเซอร์: ระบบจะต้องยังคงแข็งแกร่งหากเซ็นเซอร์ตัวใดตัวหนึ่งเสื่อมสภาพหรือล้มเหลว
สภาพแวดล้อมที่เปลี่ยนแปลงและการเลื่อนลอย-ในระยะยาว: ในช่วงเวลาที่ยาวนาน สภาพแวดล้อมจะเปลี่ยนไป (ย้ายเฟอร์นิเจอร์ แสงสว่างเปลี่ยน) จำเป็นต้องทำแผนที่หรือปรับเปลี่ยนใหม่อย่างต่อเนื่อง
ความสามารถในการปรับขนาดในพื้นที่ที่มีผู้คนหนาแน่น: เมื่อปริมาณการใช้หุ่นยนต์เพิ่มขึ้น การประสานงานแบบเรียลไทม์-ก็จะซับซ้อนมากขึ้น
ส่วนต่อขยายกลางแจ้ง: แม้ว่า Reeman จะมุ่งเน้นไปที่การตั้งค่าภายในอาคาร/โลจิสติกส์/การบริการเป็นส่วนใหญ่ แต่การขยายการนำทางไปสู่การตั้งค่าแสงแบบกึ่งกลางแจ้ง{0}}หรือแบบแปรผันนั้นทำได้ยากกว่า
เมื่อมองไปข้างหน้า ทิศทางที่น่าหวัง ได้แก่:
การเรียนรู้-การนำทางตาม(เช่น การเรียนรู้แบบเสริมกำลัง หรือสิ้นสุด-เพื่อ-ยุติการรับรู้-เพื่อ-ควบคุม) เพื่อปรับให้เข้ากับสภาพแวดล้อมใหม่
การอัพเดตแผนที่แบบปรับเปลี่ยนได้โดยที่หุ่นยนต์จะอัพเดตแผนที่โดยอัตโนมัติเพื่อสะท้อนการเปลี่ยนแปลงของสภาพแวดล้อม
การใช้เหตุผลในระดับที่สูงขึ้น-เช่น การคาดการณ์การเคลื่อนไหวของมนุษย์ การวางแผนเส้นทางเชิงคาดการณ์ หรือการนำทางหลาย-เอเจนต์ร่วมกัน
การนำทางที่คำนึงถึงพลังงาน-เพิ่มประสิทธิภาพเส้นทางไม่ใช่แค่ระยะทาง/เวลา แต่ยังรวมถึงการใช้งานแบตเตอรี่หรือตารางการชาร์จด้วย