适用于电力匮乏的自主机器人的移动充电系统

俄罗斯研究人员开发了一种原型机器人，能够为农业和工业机器人执行临时充电任务，这些机器人的自主性因缺乏电源插座而受到限制，并且还具有适用于移动机器人系统的充电插头/插座配置的拟议标准。

“MobileCharger”的原型， 发现 莫斯科斯科尔科沃科学技术研究所最近发​​表的一篇论文中，它配备了一种参与机制，与专为空中加油而设计的军用航空运输系统的广泛联锁能力没有什么不同。

MobileCharger 原型机器人。 资料来源：https://arxiv.org/pdf/2107.10585.pdf

MobileCharger 试图通过多种方式改进近年来的类似举措，例如大众的“Laderoboter”移动充电机器人和三星的 EVAR 充电机器人：通过在重量和容量之间做出更好的平衡；通过减少充电操作的空间要求（EVAR 的弱点）；通过使用卷积神经网络 (CNN) 来优化接合操作；并通过使用一系列传感器，包括 LiDAR 和触觉传感器来估计要充电的机器人的相对位置。

该耦合系统具有在三个方向上相对运动的自由度，以适应现场机器人的不同设计，并考虑到可能比工厂车间的平坦表面更不平坦的地形的环境。

充电过程预计持续约四小时，并持续传输22伏电压。在此过程中，必须确保物理连接始终一致，因为水平或垂直方向的错位很可能导致单个或两个机器人损坏，并可能造成非接地放电。

MobileCharger 中的倒三角执行器为现场充电场景提供了比最新解决方案更好的运行速度，研究人员声称其紧凑而独特的设计将更容易制造。

Delta 执行器还具有基于磁铁的锁定功能，尽管这本身不足以在充电操作期间保持安全接触，并且有多种补充方法支持，包括设置环和带有电极和伺服电机的末端执行器。

与设计无关的充电

MobileCharger 的设计目的并不是对可能需要充电的每个机器人具有完整的领域知识，而是使用一系列方法来识别机器人底盘上某处的兼容充电插座，并自行移动到允许充电的附近。它连接到目标机器人。

MobileCharger 对接机构中的触觉压力传感器阵列。

MobileCharger 提供了一系列解决方案来应对对齐评估和一致参与的挑战，包括水果采摘机器人的 RGB-D（支持深度）计算机视觉系统以及封闭式工业机器人的压敏触觉和触觉反馈系统。

图像识别

MobileCharger 的 LiDAR 扫描仪由 Intel RealSense D435 RGB 支持 深度相机 用于接近度估计，同时也作为机器人基于 CNN 的接触估计功能的供给机制。

MobileCharger 使用的对象检测系统基于 YOLOv3，YOLOv106 是一种有效的实时图像识别系统，具有 XNUMX 层，由以所提出的充电底座设计为中心的定制训练数据集提供支持。

该数据集包含 170 个样本，其中 120 个用于训练，50 个用于测试集，在各种照明条件下制作，偏航变化范围从 75 到 105 度。 训练数据集中的图像分辨率为 840×480，并具有 RGB 和深度数据。

卷积神经网络

MobileCharger 中使用的 CNN 解决了​​充电操作期间接触一致的问题，并由两个定制数据集提供支持：第一个数据集包含电极之间角度失准的数据，其中 600 个数据对源自触觉传感器机制； 第二个数据集处理末端执行器（充电组件）的水平和垂直错位，包含 500 个数据对。

用于掌握一致性的 CNN 架构。

数据分为 67% 的训练集和 33% 的评估集，以准确性作为目标指标。

在确定 CNN/YOLO 方法之前，研究人员考虑使用定向梯度直方图 (HoG) 和支持向量机 (SVM)，以及使用 Canny 边缘检测器进行轮廓检测。 这两种方法都没有被认为能够充分应对现场充电操作的挑战。

蜂群冲锋

MobileCharger 系统适用于室内和室外环境，研究人员未来的工作将解决定位和地图算法的开发。 1-自由度 还将探索作为连接机构滚动轴上电极旋转的附加设施。

正如人们所预料的那样，专有的耦合系统最终旨在用于更广泛的机器人和自主设备生态结构，该论文称其将被称为 SwarmCharge。 MobileCharger 旨在成为多种类型机器人的支持系统，包括人形机器人、四足机器人和无人机机构。