Liikkuvan latausjärjestelmän kehitys voimavaroja vaativille autonomisille roboteille

Venäläiset tutkijat ovat kehittäneet prototyypin robotti, joka pystyy suorittamaan latausoperaatioita maatalous- ja teollisuusroboteille, joiden autonomia on rajoitettu virran puutteen vuoksi, ja joka sisältää myös ehdotetun standardin latausliittimen määrityksestä mobiilien robottijärjestelmien soveltamiseksi.

MobileCharger-prototyypin, joka on paljastettu Skolkovo Institute of Science and Technologyn Moskovan yliopistossa julkaistussa tutkimusraportissa, on varustettu kiinnitysmekanismilla, joka muistuttaa laajaa yhdistelmäkapasiteettia, jota käytetään sotilaslentokoneiden ilmassa tapahtuvaan tankkaamiseen.

MobileCharger-prototyypin robotti. Lähde: https://arxiv.org/pdf/2107.10585.pdf

MobileCharger pyrkii parantamaan vastaavia aloitteita viime vuosilta, kuten Volkswagenin ‘Laderoboter’ -mobiililatausrobotti ja Samsungin EVAR-latausrobotti, useilla tavoilla: paremman paino- ja kapasiteettisuhteen kautta; vähentämällä latausoperaatioiden tilavaatimuksia (EVARin heikkous); käyttämällä konvoluutio-neuroverkkoja (CNN) latausoperaation optimoimiseksi; ja käyttämällä useita sensoreita, mukaan lukien LiDAR- ja taktiilisensoreita, arvioidakseen robotin suhteellista sijaintia latausta varten.

Kiinnitysjärjestelmä tarjoaa suhteellisen vapaan liikkumisen kolmessa suunnassa, jotta se voi sopeutua erilaisiin kenttärobottien suunnitelmiin ja ottaa huomioon ympäristöjä, joissa on epätasaisempi maasto kuin tehdashallin tasaiset pinnat.

Latausoperaatiot on tarkoitus kestää noin neljä tuntia, ja siinä on tasainen 22 voltin siirto. Prosessin aikana on tärkeää, että fyysinen yhteys säilyy jatkuvana, koska vaakasuoran tai pystysuoran epäsovellus voi johtaa vahinkoon jommassakummassa robotti tai molemmissa, ja siinä on mahdollisuus maadoittamattomaan sähköpurkaukseen.

MobileChargerissa käytettävä käänteinen delta-aktuaattori tarjoaa paremman toimintanopeuden kuin vastaavat ratkaisut kenttäolosuhteisiin latauskohteissa, ja tutkijat väittävät, että sen kompakti ja erottuva suunnittelu on helpompi valmistaa.

Delta-aktuaattorissa on myös magneettinen lukitus, vaikka se ei yksinään riitä turvallisen kosketuksen ylläpitämiseen latausoperaation aikana, ja siihen liittyy useita täydentäviä menetelmiä, mukaan lukien asetusringi ja pääte-elementti, jossa on elektrodit ja servomoottorit.

Suunnittelun riippumaton lataus

MobileCharger ei ole suunniteltu olemaan täysin tietoinen jokaisesta robotista, jota se lataa, vaan sen sijaan se käyttää useita menetelmiä latausliittimen tunnistamiseen robotin rungossa ja manööveroi itsensä lähelle, jotta se voi muodostaa yhteyden kohderobottiin.

Taktiilisen paineen anturien joukko MobileChargerin telakointimekanismissa.

Toisin sanoen MobileCharger käyttää useita ratkaisuja latausliittymän arvioinnin ja jatkuvan yhteyden muodostamisen haasteeseen, mukaan lukien RGB-D (syvyyden mukainen) tietokoneen näköjärjestelmät, joita käytetään hedelmien poimintaan tarkoitetuissa roboteissa, ja paineenherkkä taktiili- ja haptinen palautemenetelmä, jota käytetään suljettujen teollisuusrobottien kanssa.

Kuvantunnistus

MobileChargerin LiDAR-skanneri on yhdistetty Intel RealSense D435 -syvyyden mukaiseen RGB-kameraan lähimmän etäisyyden arvioimiseksi, ja se toimii myös syötteenä robotin CNN-pohjaiselle kosketusarvioinnille.

Kohdehakuun käytetty järjestelmä MobileChargerissa perustuu YOLOv3:een, joka on tehokas reaaliaikainen kuvantunnistusjärjestelmä, jossa on 106 kerrosta, ja se on voimassa custom-koulutettu aineisto, joka keskittyy ehdotettuun latausliittimen suunnitteluun.

Aineistossa on 170 näytettä, joista 120 on koulutusaineistoa ja 50 on testijoukkoa, ja ne on tehty erilaisissa valaistusolosuhteissa ja eri kulmissa, 75-105 asteen välillä. Koulutusaineistossa olevat kuvat ovat 840×480 resoluutiolla, ja ne sisältävät RGB- ja syvyysdatan.

Konvoluutio-neuroverkko

MobileChargerissa käytettävä konvoluutio-neuroverkko (CNN) ratkaisee jatkuvan kosketuksen ongelman latausoperaation aikana, ja se perustuu kahteen erityiseen aineistoon: ensimmäinen aineisto sisältää tietoja elektrodejen välistä kulmista, ja siinä on 600 data-paria, jotka on johdettu taktiilisen anturin mekanismeista; toinen aineisto käsittelee pääte-elementin (latausjärjestelmän) vaakasuoraa ja pystysuoraa epäsovellusta, ja siinä on 500 data-paria.

CNN-arkkitehtuuri otteen jatkuvuuden vuoksi.

Aineistoa jaettiin 67% koulutukseen ja 33% arviointiin, ja tarkkuus oli kohdistettu mittari.

Ennen kuin tutkijat päätyivät CNN/YOLO-menetelmään, he tutkivat myös Histogram of oriented gradients (HoG) yhdessä Support Vector Machine (SVM) kanssa, ja myös reuna-etsintää Canny-reuna-etsijän kanssa. Kumpikaan menetelmä ei katsottu riittävän kestäväksi kenttäolosuhteisiin latausoperaatioihin.

SwarmCharge

MobileCharger-järjestelmä on tarkoitettu sekä sisä- että ulkoympäristöihin, ja tulevaisuuden tutkimus keskittyy sijaintitiedon ja karttamenetelmien kehittämiseen. 1-Dof tutkitaan myös lisäominaisuutena elektrodeiden kiertoakselin yhteydessä.

Luonnollisesti MobileChargerin omistaja on tarkoittanut omistajan latausjärjestelmää laajemmalle ekosysteemille roboteille ja autonomisille laitteille, joita kutsutaan SwarmChargeksi. MobileCharger on tarkoitettu tukijärjestelmäksi monenlaisille roboteille, mukaan lukien humanoidit, nelijalkaiset ja UAV-laitteet.