Um Sistema de Recarga Móvel para Robôs Autônomos com Fome de Energia

Pesquisadores russos desenvolveram um protótipo de robô capaz de realizar missões de recarga ad hoc para robôs agrícolas e industriais cuja autonomia é limitada pela falta de tomadas de energia, e que também apresenta um padrão proposto para uma configuração de plugue/soquete de recarga aplicável a sistemas de robótica móvel.

O protótipo do ‘MobileCharger’, revelado em um artigo recente do Instituto de Ciência e Tecnologia Skolkovo, em Moscou, é equipado com um mecanismo de engajamento não muito diferente das amplas capacidades de intertravamento dos sistemas de transporte aéreo militar projetados para reabastecimento em voo.

O protótipo do robô MobileCharger. Fonte: https://arxiv.org/pdf/2107.10585.pdf

MobileCharger tenta melhorar as iniciativas semelhantes dos últimos anos, como o robô de recarga móvel ‘Laderoboter’ da Volkswagen e o robô de recarga EVAR da Samsung, de várias maneiras: fazendo um melhor compromisso entre peso e capacidade; reduzindo os requisitos de espaço para operações de recarga (uma fraqueza do EVAR); usando Redes Neurais Convolucionais (CNNs) para otimizar a operação de engajamento; e usando uma variedade de sensores, incluindo LiDAR e sensores táteis para estimar a posição relativa do robô a ser recarregado.

O sistema de acoplamento apresenta uma liberdade de movimento relativa em três direções, a fim de acomodar diferentes designs de robôs de campo, e para levar em conta ambientes que podem apresentar terrenos mais irregulares do que as superfícies planas de uma fábrica.

As operações de recarga são projetadas para durar cerca de quatro horas, com uma transferência consistente de 22 volts. Durante o processo, é essencial que a conexão física permaneça consistente, pois o desalinhamento horizontal ou vertical é muito provável que cause danos a um ou ambos os robôs, com a possibilidade de descarga elétrica não aterrada.

O atuador delta invertido apresentado no MobileCharger oferece uma melhor velocidade operacional do que as soluções recentes para cenários de recarga em campo, com os pesquisadores afirmando que seu design compacto e distinto será mais fácil de fabricar.

O atuador delta também apresenta travamento baseado em ímã, embora isso não seja suficiente por si só para manter o contato seguro durante as operações de recarga, e é complementado por várias abordagens, incluindo um anel de configuração e um efetor final com eletrodos e servomotores.

Recarga Independente de Design

MobileCharger não é projetado para ter conhecimento de domínio completo de todos os robôs que ele pode ser solicitado a recarregar, mas em vez disso usará uma variedade de métodos para identificar uma tomada de recarga compatível em algum lugar do chassis do robô, e manobrar-se para uma proximidade que permita que ele se conecte ao robô alvo.

Matriz de sensores de pressão tátil no mecanismo de acoplamento do MobileCharger.

Efetivamente, MobileCharger lança uma variedade de soluções para o desafio da avaliação de alinhamento e engajamento consistente, incluindo os sistemas de visão computacional RGB-D (com profundidade) de robôs de colheita de frutas e sistemas de realimentação tátil e háptica de pressão dos robôs industriais fechados.

Reconhecimento de Imagem

O scanner LiDAR do MobileCharger é complementado por uma câmera de profundidade Intel RealSense D435 RGB para estimação de proximidade, também servindo como mecanismo de alimentação para as capacidades de estimação de contato baseadas em CNN do robô.

O sistema de detecção de objetos usado pelo MobileCharger é baseado no YOLOv3, um sistema de reconhecimento de imagem em tempo real eficaz com 106 camadas, alimentado por um conjunto de dados personalizado centrado no design da doca de recarga proposta.

O conjunto de dados contém 170 amostras, divididas entre 120 para treinamento e 50 em conjuntos de teste, feitas em uma variedade de condições de iluminação, e uma gama de variações de yaw de 75 a 105 graus. As imagens no conjunto de dados de treinamento estão em resolução de 840×480, e apresentam dados RGB e de profundidade.

Rede Neural Convolucional

A CNN usada no MobileCharger aborda a questão do contato consistente durante a operação de recarga, e é alimentada por dois conjuntos de dados personalizados: o primeiro conjunto de dados apresenta dados sobre o desalinhamento angular entre eletrodos, com 600 pares de dados derivados de mecanismos de sensores táteis; o segundo conjunto de dados lida com o desalinhamento horizontal e vertical do efetor final (a montagem de recarga), e contém 500 pares de dados.

A arquitetura da CNN para consistência de agarre.

Os dados foram divididos em 67% para treinamento e 33% para avaliação, com a precisão como o métrico alvo.

Antes de optar pelo método CNN/YOLO, os pesquisadores consideraram usar o Histograma de gradientes orientados (HoG) com Máquina de Vetor de Suporte (SVM), e também a detecção de contorno com o detector de bordo de Canny. Nenhum desses métodos foi considerado suficientemente resistente aos desafios das operações de recarga em campo.

SwarmCharge

O sistema MobileCharger é projetado para ambientes internos e externos, e trabalhos futuros dos pesquisadores abordarão o desenvolvimento de algoritmos de localização e mapeamento. 1-Dof também será explorado como uma facilidade adicional para rotação de eletrodo no eixo de rotação do mecanismo de conexão.

Como se pode esperar, o sistema de acoplamento proprietário é destinado eventualmente a uma estrutura de ecossistema mais ampla de robôs e dispositivos autônomos, que o artigo afirma ser chamado de SwarmCharge. MobileCharger é destinado a ser um sistema de suporte para uma ampla variedade de tipos de robô, incluindo mecanismos humanoides, quadrupedes e UAV.