Robotik
Ein mobiles Aufladesystem für stromarme autonome Roboter
Russische Forscher haben ein Prototyp-Modell eines Roboters entwickelt, das in der Lage ist, ad-hoc-Auflade-Missionen für landwirtschaftliche und industrielle Roboter durchzuführen, deren Autonomie sonst durch den Mangel an Stromanschlüssen begrenzt ist, und das auch einen vorgeschlagenen Standard für eine Steckdosen-Konfiguration für mobile Robotik-Systeme aufweist.
Das Prototyp-Modell für ‘MobileCharger’, vorgestellt in einer kürzlichen Veröffentlichung des Skolkowo-Instituts für Wissenschaft und Technologie in Moskau, ist mit einem Einrastmechanismus ausgestattet, der den weiten Verbindungs-Möglichkeiten von militärischen Lufttransport-Systemen für die Auftankung in der Luft nicht unähnlich ist.
Das MobileCharger-Prototyp-Modell. Quelle: https://arxiv.org/pdf/2107.10585.pdf
MobileCharger versucht, ähnliche Initiativen der letzten Jahre, wie den ‘Laderoboter’ von Volkswagen und den EVAR-Auflade-Roboter von Samsung, auf verschiedene Weise zu verbessern: indem es einen besseren Kompromiss zwischen Gewicht und Kapazität bietet; indem es die Platzanforderungen für Auflade-Operationen reduziert (eine Schwäche von EVAR); indem es Convolutional Neural Networks (CNNs) zur Optimierung der Einrast-Operation verwendet; und indem es eine Reihe von Sensoren, einschließlich LiDAR- und taktiler Sensoren, verwendet, um die relative Position des zu aufladenden Roboters zu schätzen.
Das Kupplungssystem weist eine relative Bewegungsfreiheit in drei Richtungen auf, um unterschiedliche Designs von Feldrobotern zu berücksichtigen und um Umgebungen mit unebenem Gelände, im Gegensatz zu den flachen Oberflächen einer Fabrikhalle, zu berücksichtigen.
Die Auflade-Operationen sollen etwa vier Stunden dauern, mit einer konstanten Übertragung von 22 Volt. Während des Prozesses ist es wichtig, dass die physische Verbindung konsistent bleibt, da horizontale oder vertikale Fehlausrichtung sehr wahrscheinlich zu Schäden an einem oder beiden Robotern führen kann, mit der Möglichkeit von ungesicherten elektrischen Entladungen.
Der invertierte Delta-Aktuator, der in MobileCharger verwendet wird, bietet eine bessere Betriebsgeschwindigkeit als kürzliche Lösungen für die Aufladung im Feld, und die Forscher behaupten, dass sein kompaktes und eigenständiges Design einfacher zu fertigen sein wird.
Der Delta-Aktuator weist auch eine magnetische Verriegelung auf, obwohl dies allein nicht ausreichen würde, um eine sichere Verbindung während der Aufladungs-Operationen aufrechtzuerhalten, und wird durch mehrere ergänzende Ansätze unterstützt, einschließlich eines Aufbaurings und eines Endeffektors mit Elektroden und Servomotoren.
Design-agnostische Aufladung
MobileCharger ist nicht dazu ausgelegt, umvollständiges Wissen über jeden Roboter zu haben, den es aufladen muss, sondern wird stattdessen eine Reihe von Methoden verwenden, um eine kompatible Aufladesteckdose irgendwo auf dem Chassis des Roboters zu identifizieren und sich selbst in eine Nähe zu bewegen, die es ihm ermöglicht, eine Verbindung zum Ziel-Roboter herzustellen.
Taktile Drucksensor-Array im Dock-Mechanismus von MobileCharger.
Effektiv wirft MobileCharger eine Vielzahl von Lösungen auf die Herausforderung der Ausrichtungsbewertung und der konsistenten Einrastung, einschließlich der RGB-D-(Tiefen-)Computervisions-Systeme von Obst-Sammel-Robotern und der drucksensitiven taktilen und haptischen Feedback-Systeme von geschlossenen Industrie-Robotern.
Bilderkennung
Der LiDAR-Scanner von MobileCharger wird durch eine Intel RealSense D435 RGB Tiefen-Kamera für die Schätzung der Nähe unterstützt, die auch als Zuführmechanismus für die CNN-basierten Kontakt-Schätzungen des Roboters dient.
Das Objekterkennungssystem, das von MobileCharger verwendet wird, basiert auf YOLOv3, einem effektiven Echtzeit-Bilderkennungssystem mit 106 Schichten, das von einem benutzerdefinierten Trainings-Datensatz angetrieben wird, der sich auf das vorgeschlagene Auflade-Dock-Design konzentriert.
Der Datensatz enthält 170 Proben, die in 120 Trainings- und 50 Test-Datensätze unterteilt sind, die unter verschiedenen Beleuchtungsbedingungen und einer Vielzahl von Nick-Werten von 75 bis 105 Grad erstellt wurden. Die Bilder im Trainings-Datensatz haben eine Auflösung von 840×480 Pixeln und enthalten RGB- und Tiefen-Daten.
Convolutional Neural Network
Das CNN, das in MobileCharger verwendet wird, behandelt das Problem der konsistenten Kontakt-Wahrung während der Aufladungs-Operation und wird von zwei benutzerdefinierten Datensätzen angetrieben: der erste Datensatz enthält Daten über die Winkel-Verfehlung zwischen den Elektroden, mit 600 Daten-Paaren, die von taktilen Sensor-Mechanismen abgeleitet werden; der zweite Datensatz befasst sich mit der horizontalen und vertikalen Verfehlung des End-Effektors (der Auflad-Einheit) und enthält 500 Daten-Paare.
Die CNN-Architektur für die Konsistenz des Griffs.
Die Daten wurden in 67% Trainings- und 33% Evaluierungs-Datensätze unterteilt, wobei die Genauigkeit als Ziel-Metrik verwendet wurde.
Bevor sie sich für die CNN/YOLO-Methode entschieden, betrachteten die Forscher die Verwendung von Histogramm der orientierten Gradienten (HoG) mit Support-Vektor-Maschine (SVM) und auch Kontur-Erkennung mit Canny-Kantendetektor. Keine dieser Methoden wurde als ausreichend widerstandsfähig gegen die Herausforderungen der Aufladung im Feld angesehen.
SwarmCharge
Das MobileCharger-System ist für Innen- und Außen-Umgebungen konzipiert, und zukünftige Arbeiten der Forscher werden sich mit der Entwicklung von Lokalisierungs- und Kartierungs-Algorithmen befassen. 1-Dof wird auch als zusätzliche Einrichtung für die Elektroden-Rotation in der Roll-Achse des Verbindungs-Mechanismus erforscht.
Wie man erwarten kann, ist das proprietäre Kupplungssystem letztendlich für ein breiteres Ökosystem von Robotern und autonomen Geräten gedacht, das, wie die Veröffentlichung sagt, SwarmCharge genannt wird. MobileCharger ist als Unterstützungs-System für eine Vielzahl von Robotertypen konzipiert, einschließlich humanoider, quadrupeder und UAV-Mechanismen.
