Güç Açlığı Çeken Otonom Robotlar için Mobil Şarj Sistemi

Rus araştırmacılar, tarım ve endüstriyel robotların otonomluğunu sınırlayan güç çıkışlarının olmaması nedeniyle ad hoc şarj görevleri üstlenen bir robot prototipi geliştirdiler ve ayrıca mobil robotik sistemler için uygulanabilir bir şarj fişi / soket konfigürasyonu standardı önerdiler.

Moskova’daki Skolkovo Bilim ve Teknoloji Enstitüsü’nden recent bir makalede açıklanan ‘MobileCharger’ prototipi, geniş çapta kilitlenebilen askeri hava taşıma sistemlerine benzer bir etkileşim mekanizması ile donatılmıştır.

MobileCharger prototip robotu. Kaynak: https://arxiv.org/pdf/2107.10585.pdf

MobileCharger, Volkswagen’in ‘Laderoboter’ mobil şarj robotu ve Samsung’un EVAR Şarj Robotu gibi son yıllardaki benzer girişimlerin üzerine birkaç şekilde inşa edilmiştir: ağırlık ve kapasite arasında daha iyi bir ticaret yaparak; şarj operasyonları için gereken alanı azaltarak (EVAR’ın bir zayıflığı); şarj operasyonunu optimize etmek için Evrişimli Sinir Ağları (CNN’ler) kullanarak ve şarj edilecek robota göreli konumunu tahmin etmek için LiDAR ve dokunsal sensörler gibi bir dizi sensör kullanarak.

Bağlantı sistemi, farklı tasarımdeki alan robotlarını barındırmak ve fabrika zemininin düz yüzeylerinden daha düzensiz arazileri hesaba katmak için üç yönde göreli bir hareket özgürlüğü sunar.

Şarj operasyonları yaklaşık dört saat sürmesi amaçlanmaktadır ve bu süre boyunca 22 voltluk sürekli bir transfer sağlanır. Süreç boyunca, fiziksel bağlantı tutarlı olmalıdır, çünkü yatay veya dikey hizasızlık, her iki robota da zarar verebilecek veya elektriksel boşalmaya neden olabilecek bir durum yaratabilir.

MobileCharger’da bulunan ters delta aktüatör, sahada şarj senaryolarına yönelik recent çözümlerden daha iyi bir işletim hızı sunar ve araştırmacılar, kompakt ve ayrı tasarımın üretiminin daha kolay olacağını iddia etmektedirler.

Delta Aktüatör ayrıca manyetik kilitleme özelliğine sahiptir, ancak bu, şarj operasyonları sırasında güvenli teması sağlamak için yeterli olmayacaktır ve bir kurulum halkası ve elektrot ve servomotorlarla donatılmış bir son efektör gibi çeşitli tamamlayıcı yaklaşımlarla desteklenmektedir.

Tasarım-Agnostik Şarj

MobileCharger, şarj etmesi gereken her robota ilişkin tam alan bilgisine sahip olmaya tasarlanmamıştır, ancak bunun yerine, robota ait şasi üzerinde bulunan uyumlu bir şarj soketini tanımlamak ve itselfini şarj edilecek robota bağlanmasını sağlayan bir yakınlığa getirmek için çeşitli yöntemler kullanacaktır.

MobileCharger’ın bağlantısı mekanizmasındaki dokunsal basınç sensör dizisi.

Aslında, MobileCharger, hizalama değerlendirmesi ve tutarlı etkileşim zorluğuna karşı bir dizi çözüm sunar, bunlar arasında, meyve toplama robotlarının RGB-D (derinlik etkin) bilgisayar görüşü sistemleri ve endüstriyel robotların kapalı mekanizmalarındaki basınç duyarlı dokunsal ve haptik geri bildirim sistemleri bulunur.

Görüntü Tanıma

MobileCharger’ın LiDAR tarayıcısı, yakınlık tahmini için Intel RealSense D435 RGB derinlik kamerası ile desteklenmektedir ve ayrıca robotun CNN tabanlı temas tahmini yetenekleri için bir besleme mekanizması olarak hizmet vermektedir.

MobileCharger tarafından kullanılan nesne tanıma sistemi, 106 katmanlı etkili bir gerçek zamanlı görüntü tanıma sistemi olan YOLOv3 etrafında inşa edilmiştir ve önerilen şarj limanının tasarımına odaklanan özel bir eğitim verisi kümesiyle güçlendirilmiştir.

Eğitim verisi kümesi, 120’si eğitim ve 50’si test kümesi olmak üzere 170 örnekten oluşmaktadır ve çeşitli aydınlatma koşullarında ve 75 ila 105 derece arasında değişen yaw varyasyonlarıyla oluşturulmuştur. Eğitim verisi kümesindeki görüntüler 840×480 çözünürlüğe sahiptir ve RGB ve derinlik verilerini içerir.

Evrişimli Sinir Ağı

MobileCharger’da kullanılan CNN, şarj operasyonu sırasında tutarlı teması sağlamakla ilgilenir ve iki özel veri kümesiyle güçlendirilmiştir: ilk veri kümesi, dokunsal sensör mekanizmalarından elde edilen 600 veri çiftini içeren elektrotların açısal hizasızlığına ilişkin verileri içerir; ikinci veri kümesi, şarj biriminin (şarj meclisinin) yatay ve dikey hizasızlığına ilişkin verileri içerir ve 500 veri çiftini içerir.

Tutarsızlık için CNN mimarisi.

Veriler, %67’si eğitim ve %33’ü değerlendirme kümesi olarak bölünmüştür ve hedef metric olarak doğruluk kullanılmıştır.

Araştırmacılar, CNN / YOLO yöntemini benimsemeye karar vermeden önce, Histogram of oriented gradients (HoG) ile Support Vector Machine (SVM) ve ayrıca Contour detection with Canny edge detector kullanmayı da düşünmüşlerdir. Ancak bu yöntemler, sahada şarj operasyonlarının zorluklarına karşı yeterli düzeyde dayanıklı bulunmamıştır.

SwarmCharge

MobileCharger sistemi, iç ve dış ortamlarda çalışmak üzere tasarlanmıştır ve araştırmacıların gelecekteki çalışmaları, yerelleştirme ve haritalama algoritmalarının geliştirilmesini içerecektir. 1-Dof ayrıca bağlantı mekanizmasının roll ekseni etrafındaki elektrot rotasyonu için ek bir tesis olarak araştırılacaktır.

Uygun olarak, özel bağlantı sistemi, sonunda SwarmCharge olarak adlandırılacak daha geniş bir robot ve otonom cihaz ekosistemi için tasarlanmıştır. MobileCharger, insansı, dört ayaklı ve UAV mekanizmaları dahil olmak üzere çeşitli robot türleri için bir destek sistemi olarak tasarlanmıştır.