Мобильная система зарядки для роботов с ограниченным запасом энергии

Российские исследователи разработали прототип робота, способного выполнять задачи по зарядке сельскохозяйственных и промышленных роботов, автономность которых ограничена отсутствием розеток, и который также имеет предложенный стандарт для конфигурации зарядного разъема, применимый к мобильным роботам.

Прототип ‘MobileCharger’, представленный в недавней статье Института науки и технологий Сколково в Москве, оснащен механизмом захвата, не похожим на широкие взаимосвязанные возможности военных воздушных транспортных систем, предназначенных для дозаправки в полете.

Прототип робота MobileCharger. Источник: https://arxiv.org/pdf/2107.10585.pdf

MobileCharger пытается улучшить подобные инициативы последних лет, такие как мобильный зарядный робот ‘Laderoboter’ от Volkswagen и робот зарядки EVAR от Samsung, несколькими способами: сделав лучший компромисс между весом и емкостью; уменьшив требования к пространству для операций зарядки (слабость EVAR); используя свёрточные нейронные сети (CNN) для оптимизации операции захвата; и используя ряд датчиков, включая LiDAR и тактильные датчики для оценки относительного положения робота, который необходимо зарядить.

Система захвата имеет относительную свободу движения в трех направлениях, чтобы приспособиться к разным конструкциям полевых роботов и учесть среды, которые могут иметь более неровную местность, чем плоские поверхности заводского пола.

Операции зарядки предназначены для того, чтобы длиться около четырех часов, с постоянной передачей 22 вольт. Во время процесса важно, чтобы физическое соединение оставалось постоянным, поскольку горизонтальное или вертикальное смещение может привести к повреждению одного или обоих роботов, с возможностью не заземленного электрического разряда.

Инвертированный дельта-актуатор, представленный в MobileCharger, обеспечивает лучшую скорость работы, чем недавние решения для сценариев зарядки в поле, и исследователи утверждают, что его компактный и отдельный дизайн будет проще в производстве.

Дельта-актуатор также имеет магнитную блокировку, хотя этого было бы недостаточно, чтобы поддерживать безопасный контакт во время операций зарядки, и дополнительно оснащен несколькими дополнительными подходами, включая кольцо установки и конечный эффектор с электродами и сервомоторами.

Дизайн-агностическая зарядка

MobileCharger не предназначен для полного знания области каждого робота, который он может зарядить, а вместо этого будет использовать ряд методов для выявления совместимого разъема зарядки где-то на шасси робота и маневрирования, чтобы подключиться к целевому роботу.

Тактильный датчик давления в механизме докинга MobileCharger.

По сути, MobileCharger использует ряд решений для проблемы оценки выравнивания и постоянного подключения, включая системы компьютерного зрения RGB-D (с глубиной) роботов для сбора фруктов и давления-чувствительных тактильных иaptic обратных связей закрытых промышленных роботов.

Распознавание изображений

Сканир LiDAR MobileCharger дополнен камерой Intel RealSense D435 RGB глубины для оценки близости, также служащей механизмом подачи для возможностей робота по оценке контакта на основе CNN.

Система обнаружения объектов, используемая MobileCharger, основана на YOLOv3, эффективной системе распознавания изображений в реальном времени с 106 слоями, работающей на основе обученной базы данных, центрированной на предложенном дизайне зарядной док-станции.

База данных содержит 170 образцов, разделенных между 120 для обучения и 50 в тестовых наборах, выполненных в различных условиях освещения и диапазоне yaw-вариаций от 75 до 105 градусов. Изображения в обучающей базе данных имеют разрешение 840×480 и содержат RGB- и глубинные данные.

Свёрточная нейронная сеть

CNN, используемый в MobileCharger, решает проблему постоянного контакта во время операции зарядки и работает на двух специальных базах данных: первая база данных содержит данные об угловом смещении между электродами, с 600 пар данными, полученными из тактильных датчиков; вторая база данных занимается горизонтальным и вертикальным смещением конечного эффектора (зарядного узла) и содержит 500 пар данных.

Архитектура CNN для последовательности захвата.

Данные были разделены на 67% для обучения и 33% для оценки, с точностью в качестве целевого метрика.

До того, как остановиться на методе CNN/YOLO, исследователи рассматривали возможность использования гистограммы направленных градиентов (HoG) с машиной опорных векторов (SVM) и также обнаружения контура с помощью детектора краев Canny. Ни один из этих методов не был признан достаточно устойчивым к проблемам зарядки в поле.

SwarmCharge

Система MobileCharger предназначена для внутренних и внешних сред, и будущая работа исследователей будет посвящена разработке алгоритмов локализации и картографирования. 1-Доф также будет изучен как дополнительная возможность для вращения электрода в оси подключения.

Как можно ожидать, проприетарная система подключения в конечном итоге предназначена для более широкой экосистемы роботов и автономных устройств, которую, как говорится в статье, будут называть SwarmCharge. MobileCharger предназначен для поддержки широкого спектра типов роботов, включая гуманоидные, четвероногие и беспилотные летательные аппараты.