Robótica
Un Sistema de Recarga Móvil para Robots Autónomos con Escasez de Energía
Los investigadores rusos han desarrollado un prototipo de robot capaz de realizar misiones de recarga ad hoc para robots agrícolas e industriales cuya autonomía está limitada por la falta de tomas de corriente, y que también cuenta con un estándar propuesto para una configuración de enchufe/zócalo de carga aplicable a sistemas de robótica móvil.
El prototipo de ‘MobileCharger’, presentado en un artículo reciente del Instituto de Ciencia y Tecnología Skolkovo en Moscú, está equipado con un mecanismo de acoplamiento no muy diferente a las amplias capacidades de interbloqueo de los sistemas de transporte aéreo militar diseñados para el repostaje en vuelo.
El prototipo del robot MobileCharger. Fuente: https://arxiv.org/pdf/2107.10585.pdf
MobileCharger intenta mejorar las iniciativas similares de los últimos años, como el robot de carga móvil ‘Laderoboter’ de Volkswagen y el robot de recarga EVAR de Samsung, de varias maneras: haciendo un mejor equilibrio entre peso y capacidad; reduciendo los requisitos de espacio para las operaciones de recarga (una debilidad de EVAR); utilizando Redes Neuronales Convolucionales (CNN) para optimizar la operación de acoplamiento; y utilizando una variedad de sensores, incluyendo LiDAR y sensores táctiles para estimar la posición relativa del robot que se va a recargar.
El sistema de acoplamiento cuenta con una libertad de movimiento relativa en tres direcciones, para acomodar diferentes diseños de robots de campo, y para tener en cuenta entornos que pueden presentar un terreno más irregular que las superficies planas de una planta de fábrica.
Las operaciones de recarga están diseñadas para durar alrededor de cuatro horas, con una transferencia constante de 22 voltios. Durante el proceso, es esencial que la conexión física permanezca constante, ya que un desalineamiento horizontal o vertical es muy probable que cause daños a uno o ambos robots, con la posibilidad de una descarga eléctrica no aterrada.
El actuador delta invertido que se presenta en MobileCharger ofrece una mejor velocidad de operación que las soluciones recientes para escenarios de recarga en el campo, con los investigadores afirmando que su diseño compacto y distintivo será más fácil de fabricar.
El actuador delta también cuenta con un bloqueo basado en imanes, aunque esto no sería suficiente por sí solo para mantener un contacto seguro durante las operaciones de recarga, y se complementa con varios enfoques, incluyendo un anillo de configuración y un efector final con electrodos y servomotores.
Carga de Diseño Agnóstico
MobileCharger no está diseñado para tener un conocimiento de dominio completo de cada robot que podría ser necesario recargar, sino que utilizará una variedad de métodos para identificar un zócalo de carga compatible en algún lugar del chasis del robot, y maniobrar para conectarse al robot objetivo.
Matriz de sensores de presión táctil en el mecanismo de acoplamiento de MobileCharger.
En efecto, MobileCharger lanza una serie de soluciones al desafío de la evaluación de alineación y el acoplamiento consistente, incluyendo los sistemas de visión por computadora RGB-D (con profundidad) de los robots de recolección de frutas y los sistemas de retroalimentación táctil y háptica de los robots industriales cerrados.
Reconocimiento de Imágenes
El escáner LiDAR de MobileCharger se complementa con una cámara de profundidad Intel RealSense D435 RGB para la estimación de proximidad, que también sirve como mecanismo de alimentación para las capacidades de estimación de contacto basadas en CNN del robot.
El sistema de detección de objetos utilizado por MobileCharger se basa en YOLOv3, un sistema de reconocimiento de imágenes en tiempo real eficaz con 106 capas, impulsado por un conjunto de datos personalizado centrado en el diseño de la estación de recarga propuesta.
El conjunto de datos contiene 170 muestras, divididas entre 120 para entrenamiento y 50 en conjuntos de prueba, realizadas en una variedad de condiciones de iluminación, y una serie de variaciones de guiñada desde 75 a 105 grados. Las imágenes en el conjunto de datos de entrenamiento están en resolución 840×480, y presentan datos RGB y de profundidad.
Red Neuronal Convolucional
La CNN utilizada en MobileCharger aborda el problema del contacto consistente durante la operación de carga, y se alimenta de dos conjuntos de datos personalizados: el primer conjunto de datos presenta datos sobre el desalineamiento angular entre electrodos, con 600 pares de datos derivados de mecanismos de sensores táctiles; el segundo conjunto de datos se ocupa del desalineamiento horizontal y vertical del efector final (el ensamblaje de carga), y contiene 500 pares de datos.
La arquitectura de la CNN para la consistencia del agarre.
Los datos se dividieron en 67% de entrenamiento y 33% de evaluación, con la precisión como la métrica objetivo.
Antes de decidirse por el método CNN/YOLO, los investigadores consideraron utilizar el histograma de gradientes orientados (HoG) con la máquina de vectores de soporte (SVM), y también la detección de contornos con el detector de bordes de Canny. Ningún método se consideró lo suficientemente resistente a los desafíos de las operaciones de recarga en el campo.
SwarmCharge
El sistema MobileCharger está diseñado para entornos interiores y exteriores, y el trabajo futuro de los investigadores abordará el desarrollo de algoritmos de localización y mapeo. 1-Dof también se explorará como una instalación adicional para la rotación del electrodo en el eje de rol del mecanismo de conexión.
Como cabría esperar, el sistema de acoplamiento propietario está destinado eventualmente a una amplia ecoestructura de robots y dispositivos autónomos, que el artículo dice que se llamará SwarmCharge. MobileCharger está diseñado para ser un sistema de soporte para una amplia variedad de tipos de robots, incluyendo mecanismos humanoides, cuadrúpedos y UAV.
