Robotlar kendi kendine-yeterli hale geldikçe, çevrelerinde daha büyük bir bağımsızlık ve güvenilirlikle gezinmek zorunda kalacaklar. Otonom traktörler, tarımsal biçerdöverler ve ekim makineleri ekin tarlalarında dikkatli bir şekilde ilerlemeli, otonom teslimat araçları ise-paketleri doğru noktaya yerleştirmek için caddeleri güvenli bir şekilde geçmelidir. Çok çeşitli uygulamalarda, otonom mobil robotlar (AMR'ler), tasarlandıkları işleri güvenli ve başarılı bir şekilde tamamlamak için son derece hassas konumlandırma kaynaklarına ihtiyaç duyar.
Böyle bir hassasiyetin elde edilmesi, iki grup konum özelliği gerektirir. Birincisi, kendisinin diğer nesnelere göre göreceli konumunu anlamaktır. Bu, etrafındaki dünyayı anlamak ve en belirgin durumda hem sabit hem de hareket halindeki engellerden kaçınmak için kritik girdi sağlar. Bu dinamik manevra, bu sinyalleri işlemek ve AMR'ye gerçek-zamanlı yön vermek için kameralar, radar, lidar gibi geniş bir navigasyon sensörleri yığınını ve destekleyici yazılımları gerektirir.
İkinci yetenek grubu, AMR'nin dünyadaki kesin fiziksel konumunu (veya mutlak konumunu) anlaması ve böylece cihaza programlanmış bir yolda hassas ve tekrar tekrar gezinebilmesidir. Buradaki belirgin bir kullanım durumu, çeşitli AMR'lerin ekinleri ekmek, sulamak ve hasat etmek için aylar boyunca aynı dar yoldan gitmesi gereken ve her geçişte AMR'nin her seferinde aynı noktayı referans almasını gerektiren yüksek hassasiyetli tarımdır.
Bu, tüm sensör ve yazılım ekosisteminin desteklediği Küresel Navigasyon Uydu Sistemleri (GNSS) ile başlayan farklı navigasyon yetenekleri gerektirir. GNSS'yi artıran, açık-gökyüzü uygulamaları için tek başına GNSS'den 100 kat daha yüksek hassasiyet sağlamaya yardımcı olan RTK ve SSR gibi düzeltme yetenekleri ve GNSS'nin kullanılamadığı yerlerde gezinmek için sensör füzyon yazılımıyla birleştirilmiş Ataletsel Ölçüm Birimleridir (ölü hesaplama).
Bu teknolojilere dalmadan önce, bir AMR'nin işini yapması için hem göreceli hem de mutlak konumların gerekli olduğu kullanım durumlarına bir dakika göz atalım.
Göreli ve mutlak konumlandırma gerektiren robotik uygulamaları
AMR'ler, insanların kendini dünyada doğru bir şekilde konumlandırma ve bu bilgiye dayanarak kesin eylemde bulunma konusunda doğuştan gelen yeteneğini - verili olarak ortaya koyuyor. AMR uygulamaları ne kadar çeşitli olursa, ne tür eylemlerin aşırı hassasiyet gerektirdiğini de o kadar keşfederiz. Bazı örnekler şunları içerir:
Tarımsal Otomasyon: Tarımda ekim, hasat ve mahsul izleme gibi görevler için AMR'ler giderek daha yaygın hale geliyor. Bu robotlar, geniş ve genellikle engebeli alanlarda hassas bir şekilde gezinmek için genellikle GPS aracılığıyla mutlak konumlandırmayı kullanır. Bu, geniş alanları sistematik olarak kapsayabilmelerini ve gerektiğinde belirli yerlere dönebilmelerini sağlar. Bununla birlikte, mahsullerin yakınında veya belirlenmiş bir alan içindeyken AMR'ler, AMR'nin onu son ziyaretinden bu yana büyümüş veya konumu değişmiş olabilecek meyvelerin toplanması gibi daha yüksek düzeyde doğruluk gerektiren görevler için göreceli konumlandırmaya güvenir. Her iki konumlandırma yöntemini birleştirerek bu robotlar, tarım alanlarına özgü zorlu ve değişken ortamlarda verimli bir şekilde çalışabilir.
Kentsel Ayarlarda Son-Mil Teslimatı: AMR'ler, malları dağıtım merkezlerinden nihai varış noktalarına otonom bir şekilde taşıyarak kentsel ortamlarda son{0}}mil teslimatını dönüştürüyor. Bu robotlar şehrin sokaklarında, ara sokaklarında ve karmaşık şehir düzenlerinde gezinmek için mutlak konumlandırmayı kullanarak trafikten kaçınırken ve teslimat programlarına bağlı kalarak optimize edilmiş rotaları takip etmelerini sağlar. Teslimat yerinin yakınına ulaştıktan sonra AMR'ler, caddeye iki kez park edilmiş bir araç gibi değişken veya beklenmedik engellerin etrafında manevra yapmak için göreceli konumlandırmayı da kullanacak. Bu ikili yaklaşım, AMR'lerin kentsel peyzajın karmaşıklıklarıyla başa çıkmasına ve doğrudan müşterilerin kapısına kadar hassas teslimatlar yapmasına olanak tanıyor.
Şantiye Otomasyonu: İnşaat sahalarında, projenin mühendisler tarafından belirlenen spesifikasyonlara tam olarak uygun şekilde inşa edilmesini sağlamak için AMR'ler kullanılır. Ayrıca malzemelerin taşınması ve haritalama veya çevre araştırması gibi görevlerde de yardımcı olurlar. Bu alanlar genellikle sürekli değişen ortamlara sahip geniş alanları kapsıyor ve AMR'lerin genel proje alanı içinde yön bulmak ve yönlendirmeyi sürdürmek için mutlak konumlandırma kullanmasını gerektiriyor. AMR'ler, diğer ekipmanlardan ve hatta sahadaki personelden kaçınmak gibi dinamik unsurlarla etkileşim gerektiren görevleri yerine getirdiğinde göreceli konumlandırma devreye girer. Her iki konumlandırma sisteminin birleşimi, AMR'lerin inşaat projelerinin karmaşık ve dinamik yapısına etkili bir şekilde katkıda bulunmasına olanak tanıyarak verimliliği ve güvenliği artırır.
Otonom Yol Bakımı: AMR'ler kaldırım denetimi, çatlak kapatma ve çizgi boyama gibi yol bakım görevlerinde giderek daha fazla kullanılıyor. Bu robotlar, otoyol veya karayolları boyunca seyahat etmek için mutlak konumlandırmayı kullanarak uzun mesafelerde rotalarında kalmalarını sağlar ve bakımın yapılması gereken belirli yerleri hassas bir şekilde yakalayabilir. Bu bakım görevlerini yerine getirirken, belirli yol kusurlarını doğru bir şekilde tespit etmek ve gidermek, şerit işaretlerini hassas bir şekilde boyamak veya engellerin etrafından dolaşmak için göreceli konumlandırmaya geçerler. Bu ikili yetenek, AMR'lerin yol bakım görevlerini verimli bir şekilde yönetmesine olanak tanırken, insan işçilerin tehlikeli yol kenarındaki ortamlarda çalışmasına olan ihtiyacı azaltarak güvenliği ve üretkenliği artırır.
Çevresel İzleme ve Koruma: Dış ortamlarda, AMR'ler genellikle yaban hayatı takibi, kirlilik tespiti ve habitat haritalaması gibi çevresel izleme ve koruma çalışmaları için kullanılır. Bu robotlar, ormanlardan kıyı bölgelerine kadar geniş doğal alanlarda gezinmek için mutlak konumlandırmadan yararlanıyor, arazinin kapsamlı bir şekilde kapsanmasını sağlıyor ve ayrıntılı saha araştırmaları ve haritalamaların yakalanmasına olanak tanıyor. AMR'ler, yüksek-çözünürlüklü görüntüler yakalamak, numune toplamak veya hayvan hareketlerini kesin doğrulukla takip etmek gibi görevleri gerçekleştirebilir ve bu numuneleri zaman içinde tutarlı bir şekilde üst üste koyabilir.
Yukarıdaki örneklerin tümünde, potansiyel olarak yıkıcı sonuçlardan kaçınmak için bir metreden çok daha az mutlak konumlandırma doğruluğu gereklidir. İşçi yaralanmaları, önemli ürün kayıpları ve yüksek maliyetli gecikmelerin tümü kesin konum olmadan ortaya çıkabilir. Temel olarak, bir AMR'nin birkaç santimetre içinde çalışması gereken her yerde, hem göreceli hem de mutlak konum çözümlerine sahip olması gerekir.
Göreli konumlandırma teknolojisi
AMR'ler, çevrelerindeki diğer nesnelere göre kendilerini konumlandırmak için bir dizi sensörden yararlanır. Bunlar şunları içerir:
Kameralar: Kameralar, otonom mobil robotların görsel sensörleri olarak işlev görür ve onlara, insan gözünün çalışma şekline benzer şekilde, çevrelerinin anlık bir resmini sağlar. Bu cihazlar, robotların nesne tespiti, engellerden kaçınma ve çevre haritalaması için kullanabileceği zengin görsel bilgileri yakalar. Ancak kameralar yeterli aydınlatmaya bağlıdır ve sis, yağmur veya karanlık gibi olumsuz hava koşulları nedeniyle engellenebilir. Bu sınırlamaları gidermek için kameralar genellikle yakın-kızılötesi sensörlerle eşleştirilir veya robotların düşük-ışık koşullarında görmesine olanak tanıyan gece görüş özellikleriyle donatılır. Kameralar, sıralı kamera görüntüleri analiz edilerek zaman içinde konumdaki değişikliklerin hesaplandığı bir süreç olan görsel odometride önemli bir bileşendir. Genel olarak kameralar, 2 boyutlu görüntülerini 3 boyutlu yapılara dönüştürmek için her zaman önemli düzeyde işlem gerektirir.
Radar Sensörleri: Radar sensörleri, nesnelerden yansıyan titreşimli radyo dalgaları yayarak çalışır ve nesnenin hızı, mesafesi ve göreceli konumu hakkında bilgi sağlar. Bu teknoloji sağlamdır ve kameraların ve lidarın zorlanabileceği yağmur, sis ve toz gibi çeşitli çevre koşullarında etkili bir şekilde çalışabilir. Ancak radar sensörleri diğer sensör türlerine göre genellikle daha seyrek veri ve daha düşük çözünürlük sunar. Buna rağmen, hareketli nesnelerin hızını tespit etme konusundaki güvenilirlikleri açısından paha biçilmezdirler; bu da onları özellikle diğer varlıkların hareketinin anlaşılmasının kritik olduğu dinamik ortamlarda faydalı kılar.
Lidar Sensörleri: Lidar veya Işık Algılama ve Mesafe Belirleme, ışığın nesnelerden yansımasını zamanlayarak mesafeleri ölçmek için lazer darbeleri kullanan bir sensör teknolojisidir. Lidar, hızlı lazer darbeleriyle çevreyi tarayarak çevrenin son derece hassas, ayrıntılı 3 boyutlu haritalarını oluşturur. Bu, robotun bilinmeyen bir ortamın haritasını oluştururken bu harita içindeki konumunu takip ettiği eş zamanlı konum ve haritalama (SLAM) için onu önemli bir araç haline getiriyor. Lidar, hassasiyeti ve çeşitli aydınlatma koşullarında iyi çalışabilme yeteneği ile bilinir, ancak su damlacıklarının lazer ışınlarını dağıtabileceği yağmur, kar veya sis koşullarında daha az etkili olabilir. Lidar, pahalı bir teknoloji olmasına rağmen karmaşık ortamlardaki doğruluğu ve güvenilirliği nedeniyle otonom navigasyonda tercih ediliyor.
Ultrasonik Sensörler: Ultrasonik sensörler, yakındaki nesnelerden seken yüksek-frekanslı ses dalgaları yayarak çalışır ve sensör, yankının geri dönmesi için geçen süreyi ölçer. Bu, robotun yolundaki nesnelere ve engellere olan mesafeyi hesaplamasına olanak tanır. Bu sensörler özellikle kısa-menzilli algılama için kullanışlıdır ve genellikle depo koridorları gibi dar alanlarda gezinmek gibi yavaş, yakın-mesafe faaliyetlerinde veya yanaşma veya yedekleme gibi hassas manevralar için kullanılır. Ultrasonik sensörler uygun maliyetlidir ve çeşitli koşullarda iyi çalışır, ancak sınırlı menzilleri ve lidar ve kameralarla karşılaştırıldığında daha yavaş yanıt süreleri, yakın mesafede yüksek hassasiyetin gerekli olduğu belirli, kontrollü ortamlar için en uygun oldukları anlamına gelir.
Mutlak konumlandırma için kullanılan temel teknoloji GNSS (GPS ve GLONASS, Galileo ve BeiDou gibi diğer uydu sistemlerini içeren terim) ile başlar. GNSS'nin atmosferik koşullardan ve uydu tutarsızlıklarından etkilendiği göz önüne alındığında, metrelerce sapmalı konum çözümü verebilmektedir. Daha hassas navigasyon gerektiren AMR'ler için bu yeterince iyi değil; dolayısıyla, GNSS Düzeltmeleri olarak bilinen ve bu hatayı bir santimetreye kadar daraltan bir teknolojinin ortaya çıkması.
RTK: Gerçek-zamanlı kinematik (RTK), GNSS alıcısı konum tahminlerini düzeltmek için referans noktaları olarak bilinen konumlara sahip baz istasyonlarından oluşan bir ağ kullanır. AMR, baz istasyonuna 50 kilometre mesafede olduğu ve güvenilir bir iletişim bağlantısına sahip olduğu sürece, RTK güvenilir bir şekilde 1-2 santimetrelik doğruluk sağlayabilir.
SSR veya PPP-RTK: Bazen PPP-RTK olarak da adlandırılan Durum Uzayı Temsili (SSR), baz istasyonu ağındaki bilgilerden yararlanır, ancak düzeltmeleri doğrudan yerel bir baz istasyonundan göndermek yerine, geniş bir coğrafi alandaki hataları modeller. Sonuç olarak, daha geniş kapsama alanı, baz istasyonundan 50 km'nin çok ötesindeki mesafelere izin verir, ancak doğruluk, ağın yoğunluğuna ve kalitesine bağlı olarak 3-10 santimetreye veya daha fazlasına düşer.
Bu iki yaklaşım, GNSS sinyallerinin mevcut olduğu yerlerde (genellikle açık gökyüzü) son derece iyi çalışsa da, birçok AMR, AMR üzerindeki GNSS alıcısı ile gökyüzü arasında bir engelin olduğu açık gökyüzünden uzaklaşacaktır. Bu durum tünellerde, otoparklarda, meyve bahçelerinde ve kentsel ortamlarda gerçekleşebilir. Ataletsel Navigasyon Sistemlerinin (INS), Atalet Ölçüm Birimi (IMU) ve Sensor Fusion yazılımıyla devreye girdiği yer burasıdır.
IMU– Bir IMU, bir sistemin sırasıyla doğrusal ivmesini, açısal hızını ve manyetik alan gücünü ölçmek için ivmeölçerleri, jiroskopları ve bazen manyetometreleri birleştirir. Bu, bir INS'nin bir nesnenin başlangıç noktasına göre konumunu, hızını ve yönünü gerçek-zamanlı olarak belirlemesine olanak tanıyan çok önemli verilerdir.
IMU'nun geçmişi, kökleri gemiler ve uçaklar için navigasyon sistemlerinde kullanılan jiroskopik cihazların geliştirilmesine dayanan 20. yüzyılın başlarına kadar uzanmaktadır. İlk pratik IMU'lar, II. Dünya Savaşı sırasında öncelikle füze yönlendirme sistemlerinde ve daha sonra uzay programında kullanılmak üzere geliştirildi. Örneğin Apollo misyonları, geleneksel navigasyon yöntemlerinin mümkün olmadığı uzayda navigasyon için büyük ölçüde IMU'lara dayanıyordu. On yıllar boyunca IMU teknolojisi, elektronik bileşenlerin minyatürleştirilmesi ve 20. yüzyılın sonlarında Mikro-Elektro-Mekanik Sistemler (MEMS) teknolojisinin ortaya çıkışı sayesinde önemli ölçüde ilerleme kaydetti. Bu evrim, daha kompakt, uygun fiyatlı ve doğru IMU'ların ortaya çıkmasına yol açarak bunların günümüzün çok çeşitli tüketici elektroniği, otomotiv sistemleri ve endüstriyel uygulamalarına entegrasyonunu mümkün kıldı.
Sensör Füzyonu– Sensör füzyon yazılımı, GNSS mevcut olmadığında AMR'nin mutlak konumunun tutarlı ve doğru bir şekilde anlaşılmasını sağlamak için IMU'dan ve diğer sensörlerden gelen verileri birleştirmekten sorumludur. En temel uygulamalar, GNSS sinyalinin düşürülmesi ile AMR tarafından tekrar alınması arasında, gerçek-zamanlı olarak "boşlukları doldurur". Sensör füzyon yazılımının doğruluğu, ilgili sensörlerin kalitesi ve kalibrasyonu, füzyon için kullanılan algoritmalar ve dağıtıldığı belirli uygulama veya ortam gibi çeşitli faktörlere bağlıdır. Daha karmaşık sensör birleştirme yazılımı, farklı sensör yöntemlerini çapraz-korelasyona tabi tutabilir ve bu da çözümdeki sensörlerden herhangi birinin tek başına çalışmasına göre daha üstün konumsal doğruluk sağlar.
GNSS için RTK, otonom robotlar için yüksek doğrulukta mutlak konum kaynağı sağlar. Ancak RTK olmadan birçok robotik uygulaması mümkün veya pratik değildir. İnşaat araştırma gezicilerinden otonom teslimat dronlarına ve otonom tarım araçlarına kadar çok sayıda AMR, yalnızca RTK'nın sağlayabileceği santimetre-doğruluktaki mutlak konumlandırmaya bağlıdır.
Bununla birlikte, bir RTK çözümü yalnızca arkasındaki ağ kadar iyidir. Tutarlı bir şekilde güvenilir düzeltmeler, alıcıların her zaman doğru hata düzeltmeleri için yeterince yakın aralıkta olabilmesi için oldukça yoğun bir baz istasyonu ağı gerektirir. Ağ ne kadar büyük olursa, AMR'ler için düzeltmeleri her yerden almak o kadar kolay olur. Tek başına yoğunluk tek faktör değildir. Ağlar son derece karmaşık, gerçek-zamanlı sistemlerdir ve AMR'ye gönderilen verilerin doğru ve güvenilir olduğundan emin olmak için profesyonel izleme, araştırma ve bütünlük kontrolü gerektirir.
Bütün bunlar otonom robot geliştiricileri için ne anlama geliyor? En azından dış mekan uygulamaları söz konusu olduğunda, RTK-güçlü bir GNSS alıcısı olmadan hiçbir AMR tamamlanmış sayılmaz. Mümkün olan en doğru çözüm için geliştiricilerin en yoğun ve en güvenilir RTK ağına güvenmesi gerekir. Robotların ideal GNSS sinyal ortamlarına sık sık girip çıkması gereken durumlarda (kendi kendine giden dağıtım aracı gibi), IMU ile birleştirilmiş RTK, mevcut en kapsamlı mutlak konumlandırma kaynağını sağlar.
Hiçbir iki otonom robot uygulaması aynı değildir ve her benzersiz kurulum, kendi göreceli ve mutlak konumlandırma bilgileri karışımını gerektirir. Ancak yarının dış mekan AMR'leri için güçlü bir RTK düzeltme ağına sahip GNSS, sensör yığınının önemli bir bileşenidir.