Andersonの視点
自動ロボットの電力不足問題を解決するモバイル充電システム
Unite.AI を Google の優先ソースに追加
ロシアの研究者は、農業用および産業用ロボットのためのアドホックな充電ミッションを実行できるプロトタイプロボットを開発しました。このロボットは、電力源が不足していることによって制限される自律性を持つロボットを充電することができます。また、モバイルロボティクスシステムに適した充電プラグ/ソケット構成の標準を提案しています。
モスクワのスコールコボ科学技術研究所から発表された「MobileCharger」のプロトタイプは、空中給油システムと同様のエンゲージメントメカニズムを備えています。
MobileChargerのプロトタイプロボット。 ソース：https://arxiv.org/pdf/2107.10585.pdf
MobileChargerは、近年発表されたボルボの「Laderoboter」モバイル充電ロボットやサムスンのEVAR充電ロボットなどの類似の取り組みを上回るように設計されています。重量と容量のバランスを改善し、充電作業のスペース要件を減らし、Convolutional Neural Network（CNN）を使用してエンゲージメント操作を最適化し、LiDARやタクタイルセンサーなどのセンサーを使用して充電するロボットの相対位置を推定します。
カップリングシステムは、3方向に相対的な自由度を持ち、さまざまな設計のフィールドロボットに対応し、工場の床面よりも不均一な地形の環境にも対応できるよう設計されています。
充電作業は約4時間続き、22ボルトの電圧が安定して供給されます。充電中、物理的な接続が一貫して維持される必要があり、水平または垂直方向のミスアライメントは、ロボットのいずれかまたは両方の損傷や接地していない電気的放電の可能性があるためです。
MobileChargerのインバーテッドデルタアクチュエーターは、現場での充電シナリオに対する最近の解決策よりも優れた作動速度を提供し、研究者はコンパクトで独自の設計が製造しやすいと主張しています。
デルタアクチュエーターには、マグネットベースのロック機構も備わっていますが、これだけでは充電中の安全な接触を維持するには十分ではなく、セットアップリングや電極とサーボモーターを備えたエンドエフェクターなどの補助的なアプローチでバックアップされています。
デザインアグノスティック充電
MobileChargerは、充電するロボットのすべてについて完全なドメイン知識を持つように設計されていません。代わりに、ロボットのシャーシにある互換性のある充電ソケットを特定するためにさまざまな方法を使用し、充電ロボットに接続できる距離に自らを配置します。
MobileChargerのドッキングメカニズムにあるタクタイル圧力センサーアレイ。
実質的に、MobileChargerは、アライメント評価と一貫したエンゲージメントの課題に対して、フルーツピッキングロボットのRGB-D（深度対応）コンピュータビジョンシステムや、囲まれた産業用ロボットのタクタイルおよびハプティックフィードバックシステムなどのソリューションのガムを投げかけます。
画像認識
MobileChargerのLiDARスキャナーは、近接推定のためのIntel RealSense D435 RGB深度カメラによってバックアップされ、ロボットのCNNベースの接触推定機能のフィードメカニズムとしても機能します。
MobileChargerで使用されるオブジェクト検出システムは、106層のリアルタイム画像認識システムであるYOLOv3をベースにしており、提案された充電ドック設計を中心としたカスタムトレーニング済みデータセットによって動作します。
データセットには、170個のサンプルが含まれており、そのうち120個はトレーニングに、50個はテストセットに使用され、さまざまな照明条件や75から105度のヨー変化の範囲で作成されています。トレーニングデータセットの画像は840×480の解像度で、RGBと深度データを含みます。
畳み込みニューラルネットワーク
MobileChargerで使用されるCNNは、充電作業中の一貫した接触問題に対処し、2つのカスタムデータセットによって動作します。最初のデータセットには、タクタイルセンサーメカニズムからの角度ミスアライメントに関するデータが600ペア含まれており、2番目のデータセットには、エンドエフェクター（充電アセンブリ）の水平および垂直ミスアライメントに関するデータが500ペア含まれています。
グリップの一貫性のためのCNNアーキテクチャ。
データは、67％のトレーニングセットと33％の評価セットに分割され、精度がターゲットメトリックとして使用されました。
CNN/YOLOメソッドを採用する前に、研究者は、グラディエントブーストとサポートベクターマシン（SVM）を使用したヒストグラムオブオリエンテッドグリディエント（HoG）や、キャニーエッジ検出器を使用したコンテア検出を検討しました。どちらの方法も、現場での充電作業の課題に対して十分な堅牢性があるとは考えられませんでした。
SwarmCharge
MobileChargerシステムは、屋内および屋外環境で使用するように設計されており、研究者の将来の研究では、ローカリゼーションとマッピングアルゴリズムの開発が行われる予定です。 1-Dof も、接続メカニズムのロール軸の電極回転の追加機能として検討される予定です。
予想通り、独自のカップリングシステムは、将来的にロボットや自律機器のより広いエコシステムで使用される予定であり、論文ではこれをSwarmChargeと呼んでいます。MobileChargerは、ヒューマノイド、四足、UAVメカニズムを含むさまざまなタイプのロボットをサポートする充電システムとして設計されています。
