Как роботы находят путь в доме. IMU и другие альтернативы GPS

Системы GPS, ГЛОНАСС и другие средства глобальной навигации помогают роботам ориентироваться под открытым небом. Беспилотные такси доставляют пассажиров, умные охранные устройства с ИИ патрулируют парковки и целые кампусы. Однако их электронные «коллеги» внутри помещений не могут поймать спутниковый сигнал. Как же они прокладывают маршрут в отелях, ресторанах и на огромных складах?

Для решения этой задачи используется несколько подходов. Одни помогают составить карту помещения и выбрать оптимальный маршрут, другие — избегать столкновений с движущимися объектами (людьми, домашними животными и другими роботами), а также распознавать клиентов и доставлять им заказ, когда они перемещаются по залу.

Движение по картам

Наверняка вы знаете, что даже продвинутые роботы-пылесосы (не говоря уже о роботах-ассистентах и электронных официантах) умеют строить карту помещения. Оказавшись в новом помещении, они выезжают на его середину и замеряют лазерным дальномером расстояние до всех препятствий вокруг. Затем меняют точку отсчета и выполняют повторное сканирование. По разнице результатов они определяют статичные объекты (стены, контуры мебели, дверные проемы) и отфильтровывают динамичные (вас, вашего ребенка, гостей и кота), если они передвигались за это время.

В итоге у робота в памяти сохраняется карта. Теперь он знает расстояние до каждого объекта относительно исходной точки, а обновлять эти данные по мере собственных перемещений ему помогает IMU (инерциальный измерительный модуль). Этот блок содержит MEMS-сенсоры — примерно такие же, как в вашем смартфоне: акселерометры, гироскопы, магнетометры и (опционально) барометр. Последний используется для вычисления высоты над уровнем моря по атмосферному давлению, поэтому нужен только тем роботам, которые перемещаются между этажами (например, роботы-консьержи в отеле).

Однако не все роботы используют лазеры и строят карту помещения столь подробно. В упрощенной схеме навигации они начинают движение вслепую, а препятствия распознаются сонарами (ультразвуковыми датчиками) на расстоянии от нескольких сантиметров до пяти метров. Примерно так же работает парктроник в вашей машине.

Такой робот просто останавливается рядом с препятствием, пробует объехать его и продолжает свой путь, пока не встретит новое. Если объехать не удалось, значит это стена, и робот продолжает двигаться вдоль нее. Завершив первый круг, он получает грубые очертания помещения за счет накопленных данных от IMU и сонаров. Затем робот описывает второй круг меньшего радиуса, потом еще один и так далее. Его движения напоминают спираль, сходящуюся примерно в центре помещения (если, конечно, там не стоит мебель).

В качестве точки отсчета может быть использована и станция подзарядки робота. Так или иначе, зная расположение всех объектов и собственное смещение относительно начала координат, робот всегда может вычислить новое расстояние до любого статичного препятствия. Но как быть с подвижными объектами?

Динамическая навигация

Сегодня от роботов требуется умение самостоятельно перестраивать маршрут в меняющихся условиях. Избегать столкновений с движущимися объектами им помогают те же сонары. Однако сейчас их чаще рассматривают не столько как самодостаточный набор датчиков, сколько как дополнение к системе машинного зрения. Именно последняя распознает лица людей, управляющие жесты и выполняет 3D-реконструкцию окружающего пространства. Это позволяет задавать роботам сложные шаблоны поведения, чтобы оказывать персонализированные услуги.

Современные роботы, предназначенные для непосредственного взаимодействия с людьми, оснащаются группой камер кругового обзора. Обычно это 3 камеры с углами обзора по 120° или 4 камеры по 90° — зависит от того, на каком расстоянии требуется выполнять оптическое распознавание. Чем меньше угол обзора камеры, тем больше у нее фокусное расстояние и тем дальше она позволяет различать детали.

Дополнительно к основным камерам все чаще устанавливаются вспомогательные: ИК-камеры для работы в условиях слабого освещения и параллельно работающие черно-белые камеры низкого разрешения, выполняющие роль датчиков глубины. Они создают стереобазу с основными камерами и снимают то же изображение под другим углом. В современных смартфонах это используется для размытия фона и переноса зоны резкости, а у роботов — для оценки взаимного расположения объектов. Проще говоря, без них робот видит, как человек одним глазом, а с датчиком глубины получает дешевый аналог бинокулярного зрения.

Движение вслепую

Лазерные дальномеры и камеры относительно дороги, поэтому разработчики ищут более доступные методы ориентирования роботов в закрытых пространствах. Один из таких способов навигации базируется на оценке разности уровня сигнала Wi-Fi от стационарных точек доступа (access points, AP). Их координаты известны, как и стандартная карта покрытия. Поэтому роботу достаточно измерить показатель уровня принимаемого сигнала (RSSI) от трех и более AP (роутеров или репитеров), чтобы определить свое местоположение. Конечно, погрешность получится около метра или более, но для больших помещений это приемлемая точность.

Более точное позиционирование по схожей технологии обеспечивает Indoor “GPS” от Marvelmind Robotics. Это система стационарных ультразвуковых маяков с погрешностью на уровне 2 см и неограниченной площадью покрытия (1000 кв. м для базовой конфигурации плюс безлимитное масштабирование). Единственное существенное ограничение состоит в том, что роботу всегда требуется прямая видимость как минимум трех маяков.

Это условие сложно обеспечить в помещении, поэтому Indoor “GPS” и Wi-Fi RSSI стоит рассматривать как простейшие во внедрении базовые системы навигации. С ними робот быстро приедет (или прилетит) в нужный квадрат, а затем сможет сориентироваться точнее при помощи дополнительных инструментов.

Мировой опыт

В помещениях с однотипным набором объектов (столики в ресторане, полки в гипермаркете, стеллажи на складе) даже продвинутые системы компьютерного зрения часто дают сбой. Там роботам помогают ориентироваться различные метки: магнитные и цветные линии на полу, NFC, RFID и QR. Последние широко используются складскими роботами Amazon и Ronavi, которые получают из QR-меток всю необходимую информацию о грузе и его фактическом расположении.

Компания Ronavi Robotics, созданная при участии «ТехноСпарк» и «Т-Нано», осенью 2017 года представила действующий прототип подобного робота для обслуживания складов. Российский робот выглядит как платформа высотой 30 см и массой 180 кг. Он подъезжает под стойку и поднимает ее вместе с грузом (массой до 1,5 т), перевозя на новое место. Всенаправленная система колес повышает маневренность, не требуя места для разворота.

Одной из первых компаний, внедривших на своих складах автономную систему транспортировки грузов, стала FedEx. На базе единой платформы от Vecna Robotics в ней представлены робот-погрузчик Pallet Jack, который поднимает до 3600 кг, и робот-тягач Tugger. Последний перевозит любые предметы общей массой до 4500 кг в нескольких колесных тележках за один раз, словно автопоезд.

Оба робота используют навигацию по карте, IMU и цветовым меткам (камера считывает синюю линию на полу). Роботы самостоятельно избегают столкновений при помощи камер и сонаров, а патентованная система pivot.al использует искусственный интеллект для перестроения маршрута на ходу. Она легко объедет встретившегося на пути грузчика или уроненную им коробку. Для повышения безопасности скорость роботов ограничена двумя метрами в секунду (чуть больше 7 км/ч).

Помимо складов, роботы все чаще начинают использоваться для обслуживания посетителей в отелях и ресторанах. Это привлекает новых клиентов, желающих опробовать искусственный интеллект в деле.

Например, калифорнийская компания Savioke (приобретенная Google Ventures) создала роботов-консьержей A.L.O. Botlr для отеля Aloft в Купертино и YO2D2 для отеля Yotel в Бостоне. Они принимают и доставляют заказы в номера, отвечают на вопросы, развлекают гостей и практически не требуют помощи со стороны персонала: даже лифтом пользуются самостоятельно.

Непальская компания Paaila Technology год назад начала массовый выпуск роботов-официантов серии Ginger. При гуманоидных очертаниях и росте 152 см роботы передвигаются очень неспешно, менее 2 км/ч. Они используют сонары и камеры, чтобы автоматически маневрировать в быстро меняющейся обстановке ресторана. Когда аккумулятор садится, Ginger автоматически возвращается в зону стыковки, а его клиентов продолжает обслуживать следующий робот.

Выводы

Современные роботы используют сразу несколько систем для автономной навигации в помещениях. Они умеют самостоятельно строить карты и обновлять их, избегать столкновений и перестраивать маршруты. Однако в последние годы разработчики стремятся предлагать бизнесу не отдельных роботов, а готовые решения для выполнения поставленных задач. Производители сами участвуют в развертывании навигационных систем и их настройке, выявляют проблемные участки и дорабатывают серийные модели под конкретных заказчиков.

Пока главными недостатками роботов остаются их медлительность (отчасти это требование безопасности) и высокая цена. Однако себестоимость резко падает при переходе на массовое производство, а с каждым годом появляются все более дешевые системы навигации внутри помещений. При сравнительно высоких начальных затратах роботизация бизнеса часто оказывается выгодной в перспективе.