Un sistema di ricarica mobile per robot autonomi a corto di potenza

I ricercatori russi hanno sviluppato un prototipo di robot in grado di eseguire missioni di ricarica ad hoc per robot agricoli e industriali la cui autonomia è altrimenti limitata dalla mancanza di prese di corrente, e che presenta anche uno standard proposto per una configurazione di spine di ricarica applicabile a sistemi di robotica mobile.

Il prototipo di ‘MobileCharger’, rivelato in un recente articolo dell’Istituto di scienza e tecnologia Skolkovo di Mosca, è dotato di un meccanismo di aggancio non dissimile dalle ampie capacità di interblocco dei sistemi di trasporto aereo militare progettati per il rifornimento in volo.

Il prototipo del robot MobileCharger. Fonte: https://arxiv.org/pdf/2107.10585.pdf

MobileCharger tenta di migliorare le iniziative simili degli ultimi anni, come il robot di ricarica mobile ‘Laderoboter’ di Volkswagen e il robot di ricarica EVAR di Samsung, in diversi modi: facendo un miglior compromesso tra peso e capacità; riducendo gli spazi necessari per le operazioni di ricarica (un punto debole di EVAR); utilizzando reti neurali convoluzionali (CNN) per ottimizzare l’operazione di aggancio; e utilizzando una gamma di sensori, tra cui LiDAR e sensori tattili per stimare la posizione relativa del robot da ricaricare.

Il sistema di accoppiamento presenta una relativa libertà di movimento in tre direzioni, al fine di adattarsi a diversi progetti di robot di campo, e di tener conto di ambienti che possono presentare un terreno più irregolare rispetto alle superfici piane di un pavimento di fabbrica.

Le operazioni di ricarica sono destinate a durare circa quattro ore, con un trasferimento costante di 22 volt. Durante il processo, è essenziale che la connessione fisica rimanga costante, poiché uno scarico elettrico orizzontale o verticale è molto probabile causare danni a uno o entrambi i robot, con la possibilità di scarico elettrico non messo a terra.

L’attuatore delta invertito presente in MobileCharger offre una migliore velocità operativa rispetto alle soluzioni recenti per scenari di ricarica in campo, con i ricercatori che affermano che il suo design compatto e distinto sarà più facile da produrre.

L’attuatore delta presenta anche un blocco magnetico, sebbene ciò non sarebbe sufficiente di per sé per mantenere un contatto sicuro durante le operazioni di ricarica, e viene supportato da diversi approcci complementari, tra cui un anello di configurazione e un effettore finale con elettrodi e servomotori.

Ricarica Agnostica del Design

MobileCharger non è progettato per avere una conoscenza completa del dominio di ogni robot che potrebbe essere necessario ricaricare, ma invece utilizzerà una gamma di metodi per identificare una presa di ricarica compatibile da qualche parte sul telaio del robot, e manovrarsi in una prossimità che gli consenta di connettersi al robot bersaglio.

Matrice di sensori di pressione tattili nel meccanismo di attracco di MobileCharger.

In effetti, MobileCharger lancia una gamma di soluzioni alla sfida della valutazione dell’allineamento e dell’aggancio costante, tra cui i sistemi di visione computerizzata RGB-D (con profondità) dei robot di raccolta di frutta e i sistemi di feedback tattili e aptici dei robot industriali chiusi.

Riconoscimento di Immagini

Il sensore LiDAR di MobileCharger è supportato da una fotocamera di profondità Intel RealSense D435 RGB per la stima della prossimità, che funge anche da meccanismo di alimentazione per le capacità di stima del contatto basate su CNN del robot.

Il sistema di riconoscimento di oggetti utilizzato da MobileCharger si basa su YOLOv3, un sistema di riconoscimento di immagini in tempo reale efficace con 106 livelli, alimentato da un set di dati personalizzato centrato sul progetto della stazione di ricarica proposta.

Il set di dati contiene 170 campioni, divisi tra 120 per l’addestramento e 50 per i set di test, realizzati in una varietà di condizioni di illuminazione e di variazioni di beccheggio da 75 a 105 gradi. Le immagini nel set di addestramento sono in risoluzione 840×480 e presentano dati RGB e di profondità.

Rete Neurale Convoluzionale

La CNN utilizzata in MobileCharger affronta il problema del contatto costante durante l’operazione di ricarica e viene alimentata da due set di dati personalizzati: il primo set di dati presenta dati sull’allineamento angolare tra elettrodi, con 600 paia di dati derivati da meccanismi di sensori tattili; il secondo set di dati riguarda lo scarico orizzontale e verticale dell’effettore finale (l’assemblea di ricarica) e contiene 500 paia di dati.

L’architettura della CNN per la coerenza della presa.

I dati sono stati divisi in set di addestramento del 67% e set di valutazione del 33%, con l’accuratezza come metrica di destinazione.

Prima di stabilire la metodologia CNN/YOLO, i ricercatori hanno considerato l’utilizzo di istogrammi di gradienti orientati (HoG) con macchina a vettori di supporto (SVM) e anche la rilevazione di contorni con il rilevatore di bordi di Canny. Nessun metodo è stato considerato sufficientemente resistente alle sfide delle operazioni di ricarica in campo.

SwarmCharge

Il sistema MobileCharger è destinato ad ambienti interni ed esterni e i lavori futuri dei ricercatori affronteranno lo sviluppo di algoritmi di localizzazione e di mappatura. 1-Dof verrà anche esplorato come una facoltà aggiuntiva per la rotazione dell’elettrodo nell’asse di rotazione del meccanismo di connessione.

Come ci si potrebbe aspettare, il sistema di accoppiamento proprietario è destinato in ultima analisi a una più ampia ecostruttura di robot e dispositivi autonomi, che il documento afferma sarà chiamato SwarmCharge. MobileCharger è destinato a essere un sistema di supporto per una vasta gamma di tipi di robot, tra cui meccanismi umanoidi, quadrupedi e UAV.