Indoor-GPS für autonome Roboter: ±2cm präzises Indoor-Positionierungssystem
Warum Ingenieure Ultraschall-Indoor-GPS gegenüber UWB für die Roboternavigation bevorzugen
Autonome mobile Roboter, AMRs und AGVs benötigen eine Indoor-Positionierung, die GPS nicht bereitstellen kann. Marvelmind Ultraschall-RTLS liefert ±2cm Genauigkeit – 10–15-mal präziser als UWB (10–30cm) und 50-mal präziser als Bluetooth. Das System gibt XYZ-Koordinaten über USB, UART oder CAN aus, mit nativen ROS- und ROS2-Treibern für die sofortige Integration in jeden Roboter-Navigations-Stack. Das native GPS-Protokoll NMEA0183 wird ebenfalls standardmäßig unterstützt.
Sehr schnelle Hinweise für unsere Kunden
Wenn Sie einen Roboter oder ein AGV bauen und sehr schnell entscheiden müssen, was Sie als Positionierungs- und Navigationssystem wählen sollen, entscheiden Sie sich für Folgendes:
- Starter Set Super-MP-3D – das einfachste und vielseitigste Set für den Einstieg
- Starter Set Super-MP-3D + Super-Beacon – wenn Sie Position+Richtung wünschen
- Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Mikrofone – wenn Ihr Bereich größer als 20×20m Freifläche ist oder Ihre stationären Beacons 30 Grad vom Horizont oder tiefer positioniert sind. Sie werden damit in der Lage sein, Roboter zu bauen mit dieser Art von Fahreigenschaften. Unser Roboter Boxie verwendet diese Konfiguration, da sie die fortschrittlichste und flexibelste ist
Aber was, wenn Sie ein großes Lager oder eine Fabrik (10.000–100.000m²) mit einem Dutzend Robotern abdecken müssen? Ist das möglich? – Ganz einfach! Einfach mehr Submaps mit mehr stationären Beacons für mehr Abdeckung und mehr mobile Beacons zur Verfolgung von mehr mobilen Objekten. Mehr über Submaps finden Sie auf der Download-Seite.
Einführung
Wir wurden viele Male nach unserer Meinung zu verschiedenen Themen der Robotik gefragt – in erster Linie natürlich zur präzisen Indoor-Positionierung für industrielle Anwendungen, da wir in diesem Bereich seit vielen Jahren tätig sind – aber nicht nur. Daher haben wir einige der häufigsten Fragen gesammelt und auf dieser Seite beantwortet.
Robotik ist ein weitreichendes Gebiet. Gleichzeitig sehr breit und tiefgründig. Zum Beispiel:
- Tesla im autonomen Fahrmodus ist ein Roboter
- DJI/PixHawk/Marvelmind autonome Drohne ist ein Roboter
- Roomba-Staubsauger ist ein Roboter
- Marvelmind v100 ist ein Roboter
- Honda Asimo ist ein Roboter
- Sony Aibo ist ein Roboter
- Ein autonom fahrender Werbe-Roboter ist ein Roboter
- Sogar ein Lego-Roboter ist ein Roboter
Bald werden Hunderte von Robotern um uns herum sein. Sie können in ihrem Erscheinungsbild sehr unterschiedlich sein; sie können verschiedene Kombinationen von Technologien verwenden, sodass es schwierig wäre, sie alle abzudecken. Das ist hier sicher nicht unser Ziel.
Wir decken nur sehr wenige Bereiche ab, in denen wir als Marvelmind Robotics tätig sind:
- Industrielle autonome Lieferung
- Inspektionsrobotik
- Lagerlieferung
- Forschungs- oder Universitätsroboter bzw. Roboterplattformen
Und der Zweck dieses Artikels ist es, eine Vorstellung davon zu geben, wo man anfangen soll, wenn man seinen eigenen Roboter baut oder zwischen verfügbaren Optionen wählt.
Verwendung des Marvelmind Indoor-„GPS" für Roboter, Fahrzeuge und AGVs
Das Marvelmind Indoor-Positionierungssystem (Marvelmind IPS), auch bekannt als Marvelmind Indoor-„GPS” oder Marvelmind RTLS, wird für verschiedene Arten von autonomen Robotern, autonomen Fahrzeugen, AGVs und Gabelstaplern für verschiedene Zwecke eingesetzt:
- Autonome Navigation und Positionierung für Roboter in Innen- und Außenbereichen
- Verfolgung von AGVs, Fahrzeugen oder Gabelstaplern
- Bereitstellung von Geo-Fencing für Roboter, Gabelstapler und Personen
- Allgemeine Robotikforschung und -entwicklung
- Robotik-Ausbildung und Wettbewerbe
- Schwarmrobotik
Eine der wichtigsten Aufgaben für autonome Roboter und Drohnen ist das automatisierte Scannen und Inspizieren – eine sehr wichtige, aber repetitive Aufgabe mit vorhersehbarer Routine, die ständige Aufmerksamkeit und Genauigkeit erfordert.
Das ist etwas, das Maschinen sehr gut können, während Menschen zu Ermüdung und Fehlern neigen.
Natürlich wirken Drohnen für das Indoor-Scannen von Lagern wie eine ausgefeiltere Lösung, und wir diskutieren das wöchentlich mit unseren Kunden und potenziellen Kunden. Wenn Sie jedoch etwas Praktisches wollen, das zuverlässig funktioniert und heute für sehr reale Anwendungen eingesetzt werden kann – nicht für Forschung und Innovation – dann sollten Sie heute Roboter für das Scannen wählen.
Anwendungsfälle
Wer nutzt Indoor-GPS für autonome Roboter – und wofür
Autonome mobile Roboter benötigen eine zentimetergenaue Indoor-Positionierung, die GNSS in Gebäuden nicht bereitstellen kann. Marvelmind Ultraschall-RTLS wird in drei wesentlichen Anwendungsbereichen eingesetzt: robotergestützte Inspektion in Lagern und Fabriken, Forschungs- und Universitäts-Robotiklabore sowie AMR/AGV-Navigation in Industrieanlagen. Nachfolgend sind die häufigsten realen Einsatzszenarien aufgeführt.
Robotergestützte Inspektion und automatisiertes Scannen
Autonome Roboter-Scanner benötigen ein zuverlässiges Indoor-Positionierungssystem, um präzise, wiederholbare Routen durch Lagerreihen, Fabrikhallen oder Gewächshäuser zu folgen. Manuelles Scannen mit handgehaltenen Barcode-Lesegeräten, QR-Scannern oder RFID-Geräten ist langsam, fehleranfällig und im großen Maßstab teuer. Ein mit Marvelmind Indoor-GPS ausgestatteter Roboter ersetzt den menschlichen Rundgang – er scannt täglich, stündlich oder nach Zeitplan dieselbe Route mit einer Positionsgenauigkeit von ±2cm, die sicherstellt, dass jedes Etikett, jeder Code oder jedes RFID-Tag im Lesebereich des Scanners liegt.
Unsere automatisierte Scan- und Inspektionslösung basiert auf dem Boxie Scanner-Roboter – einer kompakten autonomen Plattform, die jede Scan-Nutzlast trägt: Kameras, Barcode-Lesegeräte, QR-Scanner oder RFID-Lesegeräte. Der Roboter navigiert selbstständig, versorgt die Nutzlast aus seinem eigenen Akku mit Strom und protokolliert die Position jedes Scans mit ±2cm Genauigkeit. Das System integriert sich über eine offene API in WMS und ERP.
Wichtige Fakten für Roboter-Scanner-Einsätze:
- ±2cm Positionsgenauigkeit – ausreichend für Barcode-, QR- und RFID-Lesungen in vorhersehbarem Abstand
- Nur 2D-Verfolgung erforderlich – geringere Kosten und Komplexität als drohnenbasiertes Scannen
- Roboter arbeitet 8, 12 oder 16 Stunden zwischen den Ladevorgängen – kein Pilot erforderlich, kein Absturzrisiko
- Mehrere Roboter können gleichzeitig in einem Bereich betrieben werden – jeder wird unabhängig verfolgt
- Koordinaten sind georeferenziert – jeder Scan wird mit exakter XYZ-Position und Zeitstempel aufgezeichnet
Geeignete Umgebungen: Lager, Logistikzentren, Fabriken, Montageanlagen, Gewächshäuser, Flughafen-Frachtterminals.
Mehr über automatisierte Scan- und Inspektionslösungen erfahren →
Autonome Indoor-Navigation für Forschung und Universitäten
Universitäten, Doktoranden, Post-Docs und Forschungslabore gehören zu den aktivsten Nutzern des Marvelmind Indoor-Positionierungssystems. Die Kombination aus ±2cm Genauigkeit, offener API, nativen ROS/ROS2-Treibern und transparenter Preisgestaltung macht das System gut geeignet für die Robotikforschung, die eine Ground-Truth-Positionierung ohne die Kosten und Komplexität optischer Tracking-Systeme erfordert.
Das System wurde weltweit an Universitäten für autonome Roboternavigation, Schwarmrobotik, Drohnen-Autopilot-Forschung, autonome Fahrzeugdriftregelung, Indoor-Archäologie und Personenverfolgungsforschung eingesetzt. Ein unabhängiger veröffentlichter Vergleich von Indoor-Positionierungssystemen kam zu dem Schluss, dass Marvelmind IPS eine mit optischen Systemen vergleichbare Genauigkeit bei einem Bruchteil der Kosten liefert und UWB-basierte Alternativen deutlich übertrifft. Sehen Sie die vollständige Liste der Universitätsfälle und veröffentlichten Forschungsarbeiten.
Warum Forschungsteams Marvelmind gegenüber Alternativen bevorzugen:
- ~10-mal genauer als UWB (±2cm vs. 10–30cm), ~100-mal genauer als BLE
- Keine Cloud erforderlich – alle Positionierungsberechnungen erfolgen vor Ort, keine Daten verlassen das Labor
- Vollständige ROS- und ROS2-Unterstützung mit veröffentlichten Treibern und Code-Beispielen
- Kompatibel mit TurtleBot, benutzerdefinierten AMRs, Drohnen, PixHawk, ArduPilot, Jetson, Arduino
- Offene Schnittstellen: USB, UART, SPI, CAN, I2C – integriert sich in jede Forschungsplattform
- Anpassbare Hardware, Protokolle und Software – das Team arbeitet direkt mit den Endnutzern zusammen
- Versand am selben Tag oder am nächsten Werktag – keine wochenlangen Wartezeiten auf Forschungshardware
Nennenswerte veröffentlichte Forschung mit Marvelmind: autonomes Driftcornering an der UC Berkeley, ROS-Sensorfusion an mehreren Universitäten, Drone Referee (MSD 2017/18), Indoor-Archäologie-Positionierung an israelischen Ausgrabungsstätten, Aktivitätsverfolgung von Kühen in Innenräumen, Anti-COVID-Sprühverteilungsroboter.
Vollständige Universitätslösungsseite und Forschungsbeispiele ansehen →
AMR- und AGV-Navigation in Lagern und Fabriken
Autonome mobile Roboter (AMRs) und automatisch geführte Fahrzeuge (AGVs) in Industrieanlagen benötigen eine präzise, skalierbare und infrastrukturstabile Indoor-Positionierung. Im Gegensatz zu Systemen, die auf QR-Codes auf dem Boden basieren (leicht beschädigt oder blockiert), SLAM (rechnerisch komplex und akkumuliert Drift) oder UWB (10–30cm Genauigkeit, unzureichend für enge Gangnavigation), bietet Ultraschall-RTLS eine absolute ±2cm XYZ-Positionierung, die nicht driftet, nicht von der Beleuchtung abhängt und von einem einzelnen Roboter bis zu 250 gleichzeitigen Fahrzeugen skaliert.
Marvelmind hat Tracking-Systeme für Industriekunden eingesetzt, darunter ein T-förmiges Lager von 450×450m mit 120+ gleichzeitig verfolgten Gabelstaplern unter Verwendung von 123 stationären Super-Beacons. Das System streamte Echtzeit-XYZ-Koordinaten über UDP und eine offene API an die Analyseplattform des Kunden und ermöglichte so eine automatische Auftragsvergabe basierend auf dem aktuellen Standort jedes Fahrzeugs. Ein zweiter Einsatz verfolgte 10 Gabelstapler über 14 stationäre Beacons. Beide Systeme wurden remote von Marvelmind eingesetzt. Sehen Sie die vollständigen Fallstudien.
Wesentliche Vorteile für AMR- und AGV-Einsätze:
- Abdeckung von einer einzelnen 1.000 m² Submap bis zu unbegrenzten Mehrgebäudebereichen über vernetzte Submaps
- Bis zu 250 mobile Roboter werden gleichzeitig mit individueller ±2cm Genauigkeit verfolgt
- Keine Bodenmodifikationen – Beacons werden an Wänden oder der Decke in 3–4m Höhe montiert
- Ausgabe über USB, UART, SPI, CAN oder UDP – integriert sich in jedes bestehende Flottenmanagement-System
- Genauigkeit ist unabhängig von Robotergeschwindigkeit oder Aktualisierungsrate – siehe die technische Erklärung
- Funktioniert in staubigen, temperaturschwankenden und elektrisch verrauschten Industrieumgebungen
Anwendbare Aufgaben: autonome Lieferung, Zonentransport, Kommissionierunterstützung, automatisierte Bestandszählung, Sicherheitszonendurchsetzung, Mehrroboter-Koordination.
Welches Marvelmind Starter-Set soll ich wählen?
Wenn Sie keine Zeit haben, die Details zu studieren, aber schnell und sicher wählen müssen, entscheiden Sie sich für das Starter Set Super-MP:
- MP steht für Multi-Purpose (Mehrzweck). Das Set unterstützt tatsächlich mehrere Architekturen und mehrere Konfigurationen und bietet damit höchste Flexibilität:
- – 2D-Verfolgung mit bis zu 2 Submaps
- – 2D-Verfolgung mit bis zu 3 mobilen Beacons (Robotern)
- – 2D-Verfolgung mit Position+Richtung
- – 1D-Verfolgung mit bis zu 4 mobilen Beacons
- Starter Set Super-MP unterstützt verschiedene Architekturen: NIA, IA und MF NIA
- Die Beacons verfügen über einen eingebauten 900–1000 mAh LiPol-Akku, der eine einfache und schnelle Inbetriebnahme des Systems ohne externe Stromversorgung ermöglicht
- Beacons haben externe Antennen – robustere Funkverbindung mit dem Modem
- Super-Beacons können Ultraschall empfangen und senden. Daher können sie als stationäre und als mobile Beacons eingesetzt werden
- Super-Beacons haben einen DSP (digitaler Signalprozessor) eingebaut. Damit kann er mehrere Ultraschallkanäle gleichzeitig empfangen und in IA arbeiten
- Super-Beacons haben eine IMU (3D-Gyroskop + 3D-Beschleunigungsmesser)
Beachten Sie, dass ein mobiler Beacon pro Roboter nur einen Standort liefert. Für Standort und Richtung benötigen Sie die Paired-Beacons-Konfiguration – zwei mobile Beacons pro Roboter. Siehe die folgende Variante.
Für Position+Richtung benötigen Sie mehr als einen mobilen Beacon pro Roboter. Daher ist es am einfachsten, dem Starter Set Super-MP einen zusätzlichen Super-Beacon hinzuzufügen.
Robotik. Grundlagen
Terminologie
Roboter = autonomer mobiler Roboter
Wir bezeichnen als Roboter in erster Linie autonome mobile Roboter. Alles, was direkt von Menschen gesteuert wird, ist kein Roboter. Alles, was nicht mobil ist, aber alle robotischen Elemente aufweist, ist ein Roboter, aber wir konzentrieren uns nicht auf Montage-Roboter. Unsere Roboter sind:
- Autonom
- Mobil
Daher meinen wir autonome mobile Roboter, auch wenn wir beim Verweis auf Roboter keine ausführliche Formulierung verwenden.
Aus dieser Perspektive ist ein autonom fliegender Kopter ein perfekter 3D-beweglicher Roboter – mehr über Drohnen auf unserer Drohnen-Seite. Eine ferngesteuerte Drohne hingegen ist kein Roboter. Jedoch ist dieselbe Drohne, die autonom mithilfe von RTK-GPS oder visueller Führung zur Basis zurückkehrt, ein perfekter 3D-fliegender Roboter.
Beispiele für präzise Indoor-Positionierung und Navigation für Roboter
Autonomer Lieferroboter – Demo in einer Automobilmontageanlage
Marvelmind Autonomer Lieferroboter v100.
IA mit 15 stationären Beacons und einem Modem für Indoor-„GPS”-Abdeckung. Mehr dazu: https://youtu.be/TWWg_8JHYzo.
Dieselbe Indoor-„GPS”-Karte unterstützt zusätzlich zum im Video gezeigten Roboter:
- Verfolgung mehrerer mobiler Roboter und Gabelstapler sowie Personenverfolgung. Insgesamt bis zu 250 Beacons/Objekte – stationär+mobil kombiniert
Roboter v100 Beispiel mit detaillierten Erklärungen
Dies ist dieselbe Demo wie https://youtu.be/TWWg_8JHYzo, jedoch mit zusätzlichen verbalen Kommentaren, die erklären, was im Video und im System im Allgemeinen zu sehen ist.
Konfiguration:
- Marvelmind Autonomer Lieferroboter: https://youtu.be/efOc-ItVvgg
- IA mit 15 stationären Beacons und einem Modem für Indoor-„GPS”-Abdeckung.
Technische Daten des Roboters:
- Vollständig autonome Lieferung zwischen beliebigen Punkten, die vom Marvelmind Indoor-„GPS” abgedeckt werden
- Bis zu 100kg Nutzlast
- Fahrtzeit von mehr als 16 Stunden mit einer einzigen Ladung: https://youtu.be/JaxRd_9D1fQ mit 60+ kg Nutzlast
- Automatische Hinderniserkennung und -vermeidung
- Die Lieferroute kann per Knopfdruck in 1 Sekunde neu konfiguriert werden
- Ladezeit weniger als vier Stunden. Damit wird 2-Schicht-Betrieb (16h) und eine Schicht (8h) Laden unterstützt
- Rekonfigurierbare Kapazität: 1 große Box bis zu 65×65×160cm oder bis zu 8 Boxen à 65×65×15cm – ein Regal vs. mehrere Regale
- Dieselbe Indoor-„GPS”-Karte unterstützt:
- Verfolgung mehrerer mobiler Roboter und Gabelstapler sowie Personenverfolgung. Insgesamt bis zu 250 Beacons/Objekte – stationär+mobil kombiniert.
Roboter Boxie
- Mobile Beacons in der Paired-Beacons-Konfiguration für Position + Richtung im IA-Modem mit zwei externen Omni-Mikrofonen sind am Roboter installiert zu sehen
- Stationäre Beacons für die 2D-Verfolgung sind an den Wänden installiert
Roboter fährt vollständig autonom mit Marvelmind Indoor-„GPS"
Ein vollständig autonomer Roboter fährt selbstständig und verlässt sich dabei auf:
- Marvelmind Indoor-„GPS”
- Bordodometrie und Trägheitseinheiten (IMU)
Der Roboter empfängt vom Benutzer Koordinaten für die anzufahrenden Schlüsselpunkte (Tabelle rechts) und erstellt dann den Pfad, dem er folgt, indem er seine Position ständig gegenüber dem Pfad korrigiert. Koordinaten werden automatisch im Dashboard durch einfaches Klicken auf die Karte erstellt.
Die Abstände zwischen den Beacons betragen bis zu 36 Meter. Es ist möglich, den gesamten Campus mit präzisem „GPS” abzudecken, indem alle 20–30 Meter weitere Beacons installiert werden.
Vollständig autonomer kleiner Lieferroboter bewegt sich in einer Büroumgebung
Demo eines vollständig autonomen fahrenden Roboters: „8-Schleifen"-Strecke
Marvelmind Indoor-Navigationssystem + autonomer Roboter Marvelmind Hermes Demo:
- „8-Schleifen”-Strecke (7×2m)
- Vollständig autonomes Fahren – das Marvelmind Indoor-Navigationssystem Starter Set wurde in einem 80m² großen Raum eingesetzt
Ein mobiler Beacon ist an der Oberseite des Roboters befestigt. Der Roboter empfängt seine Koordinaten mit ±2cm Genauigkeit vom Marvelmind IPS und nutzt diese, um die Strecke autonom zu durchfahren.
Es gibt absichtliche leichte Abschattungen für das Indoor-Navigationssystem (Säule, gepolsterte Hocker), die reale Umgebungen imitieren. Während der Abschattungsphasen verlässt sich der Roboter auf sein Trägheitsnavigationssystem und seinen Odometer.
Domino-Roboter mit Positionierung und Richtung basierend auf Marvelmind Indoor-„GPS"
Das Marvelmind Indoor-Navigationssystem wurde von einem einfallsreichen Domino-Platzierungsroboter verwendet. Das System wurde für präzise Position und Richtung eingesetzt – sehen Sie die mobilen Beacons, die an der Basis platziert wurden, um die beste Richtungsgenauigkeit zu erzielen.
Sehen Sie sich auch das Originalvideo an: Weltrekord-Domino-Roboter (100.000 Dominosteine in 24 Stunden)
Robotik-Lösungen
Lokalisierung
Eines der größten Probleme für jeden autonomen Roboter ist die Beantwortung der Frage: „Wo bin ich?” Die Frage explodiert sofort in Untermengen von Fragen:
- Wo bin ich im Vergleich zu meiner erwarteten Position in diesem Moment?
- Wo bin ich im Vergleich zu meinem nächsten Wegpunkt?
- Wo bin ich im Vergleich zu anderen Objekten: Robotern, Personen, Hindernissen, Ladestationen usw.?
Aber alles beginnt mit der Lokalisierung gegenüber einer Referenz, zum Beispiel den Koordinaten (0,0,0) – was auch immer das sein mag – oder gegenüber dem Startpunkt oder Ähnlichem. Viele andere Fragen sind Ableitungen dieser Hauptfrage.
Lokalisierung gegenüber was?
Es gibt mehrere primäre Optionen:
- Gegenüber mir selbst – zum Beispiel dem Mittelpunkt des Roboters
- Gegenüber einem externen Referenzpunkt
Die Lokalisierung gegenüber sich selbst ist in vielen Fällen unkomplizierter, aber es geht dabei eher um Hinderniserkennung und -vermeidung als um Bewegung und Navigation im Raum. Lassen Sie uns die Positionierung und Navigation gegenüber externen Referenzen ausführlich besprechen.
Weitere Informationen zu Koordinatensystemen:
Warum nicht SLAM?
SLAM (Simultaneous Localization and Mapping) ist eine hervorragende Methode. Dennoch scheint es nicht die am besten geeignete Methode für reale und praktische industrielle Anwendungen zu sein: Lager, Montageanlagen und Intralogistik im Allgemeinen. Es eignet sich eher für Forschungsprojekte und Doktorarbeiten als für praktische Anwendungen, weil:
- Es einfach effizienter ist, die Aufgabe in zwei Phasen aufzuteilen: 1) Kartierung, 2) Lokalisierung
- Hinderniserkennung und -vermeidung hat gar nichts mit Kartierung und Lokalisierung zu tun. Es ist Punkt 3). Es ist einfach eine andere Aufgabe und muss anders gelöst werden. LIDARs eignen sich gut zur Hinderniserkennung, sind aber für die Kartierung nicht besonders geeignet, da Roboter, die LIDARs in sich bewegenden Umgebungen verwenden, viele zusätzliche Hinweise benötigen oder zu viele Fehler machen werden
- Dieselbe Einschränkung, die für LIDARs erwähnt wurde, gilt auch für visuelle SLAM-Systeme – sie geraten in Verwirrung und müssen sich bei schwerwiegenden Fehlern auf andere Methoden verlassen
- Im Allgemeinen ist Sensorfusion der beste Ansatz und liefert die besten Ergebnisse
Kurz gesagt:
- SLAM ist ausgezeichnet, aber unnötig komplex, während es nicht garantierte Ergebnisse liefert
- Die Aufteilung derselben Operationen in der Zeit (Kartierung ist von der Lokalisierung getrennt und unterscheidet sich von der Hinderniserkennung und -vermeidung) liefert robustere und vorhersehbarere Ergebnisse bei gleichzeitig niedrigen Kosten, insbesondere für mehrere mobile Objekte. Mit SLAM hingegen muss jeder intelligente Agent sehr klug sein – d.h. teuer, komplex, sperrig, vollgepackt mit Sensoren und stromhungrig
Lokalisierung von innen nach außen, von innen nach innen oder gemischt?
Wenn der Roboter alles für die Lokalisierung erforderliche an Bord trägt, handelt es sich um Inside-Out-Lokalisierung. Menschen und Tiere verwenden Inside-Out-Lokalisierung. Wir werden nicht nur darüber sprechen, sondern sie brauchen im Allgemeinen keine direkten und ständigen Informationen darüber, wo sie sich in Form eines kontinuierlichen Stroms von Koordinaten befinden. Sie bestimmen es „innerlich” anhand verschiedener Hinweise.
Manche Menschen nennen den Prozess visuelle Odometrie. Natürlich funktioniert es viel besser mit einer regulären rad- (fuß-) basierten Odometrie. Und deshalb ist es einfacher, einen Roboter mit einem Navigationssystem zu bauen, als nur ein Navigationssystem für einen beliebigen Roboter. Entwickler solcher „universellen Positionierungssysteme” würden Schwierigkeiten haben, weil die Daten eines Odometers praktisch in jedem Format vorliegen könnten – analog mit unterschiedlichen Werten oder digital kodiert mit einem unbekannten Format. Es könnte mit absolut unterschiedlichen Auflösungen sein, und viele andere Parameter könnten unterschiedlich sein.
Daher sind die meisten Systeme in Robotern von Natur aus miteinander verbunden. Dies muss von jedem, der einen Roboter entwirft, von Anfang an verstanden und berücksichtigt werden.
Es wäre theoretisch möglich, eine Art Konverter zu entwickeln – entfernt ähnlich wie 50-Ohm-Hochfrequenzsysteme. Empfänger, Antennen, Verstärker und Sender können drastisch unterschiedliche Impedanzen haben. Aber man hat sich auf eine gemeinsame Impedanz von 50 Ohm geeinigt. Damit konvertieren alle Einheiten ihre Impedanz auf 50 Ohm und von 50 Ohm auf ihre interne Impedanz. Ja, das bringt Verluste, Komplexitäten und Kosten mit sich, erwies sich aber als die am besten funktionierende Lösung im Hochfrequenzbereich. Etwas Ähnliches könnte auch hier implementiert werden.
Es könnte für Roboter gemacht werden … aber es ist nicht gemacht. Ja, es gibt „universelle Schnittstellen” – wie USB… hm… warum gibt es dann so viele verschiedene USB-Formate?… 🙂 Und warum gibt es so viele andere Schnittstellentypen? – nun, Kostengründe und andere wesentliche Einschränkungen wie Komplexität, Energieverbrauch und Größe.
Infolgedessen bleibt eine universelle Schnittstelle weit entfernt und schwer greifbar. Und die Realität ist für jeden Robotertyp ziemlich unübersichtlich und einzigartig.
Auswahl eines Referenzpunkts
Bei GPS sind die Koordinaten in regulären Breiten- und Längengraden der Erde verfügbar. In manchen Fällen kann das nützlich sein, beispielsweise wenn der Roboter das Innere verlässt. Aber für die Mehrheit der realen Indoor-Fälle interessieren uns nur lokale Koordinaten.
Daher wählen wir sie nach unserem Ermessen. Im Marvelmind Indoor-„GPS” weist das System üblicherweise einem der stationären Beacons die Koordinaten (0,0,0) oder (0,0) zu. Sie können jedoch jeden Punkt auf der Karte als (0,0) festlegen:
Darüber hinaus ist Georeferenzierung möglich, indem externe GPS-Koordinaten dem internen Punkt (0,0) zugewiesen werden. Danach wäre der Koordinatenstrom vom Marvelmind Indoor-„GPS” in absoluten GPS-Koordinaten im NMEA0183-Format. Oder im internen Format: https://marvelmind.com/pics/marvelmind_interfaces.pdf
Richtung
Anders als im Freien, wo ein Magnetometer/Kompass verfügbar ist, ist die Berechnung der Indoor-Richtung, hauptsächlich im statischen Zustand, keine triviale Aufgabe. Zum Beispiel kann Ihr Roboter mit unserem System leicht eine genaue Position haben. Aber wenn Ihr Roboter seine aktuelle Richtung nicht kennt – wohin er blickt – ist es schwierig zu entscheiden, wohin er fahren soll.
Es ist möglich, die Richtung des Roboters relativ schnell zu berechnen, indem man seinen aktuellen Standortpunkt misst, ca. 1m geradeaus fährt – die gerade Richtung mithilfe von IMU/Gyroskop beibehält – dann einen neuen Standort misst und durch das Kennen zweier Punkte und das Wissen, dass es eine Linie war – keine Kurve – die aktuelle Richtung des Roboters berechnet. Später beim Fahren wird dieselbe Technik ständig eingesetzt.
Diese älteren Roboter verwenden diesen Ansatz:
Die Methode ist einfach und erfordert nur einen mobilen Beacon (Tag), funktioniert jedoch nur, wenn man fahren kann. Oft kann man nicht losfahren und muss sich direkt am Ort lokalisieren – im statischen Zustand. Was tun?
Die gepaarten Beacons
Unser empfohlener Weg, um die Richtung im statischen Zustand zu erhalten, ist die Verwendung einer Paired-Beacons-Konfiguration.
Hier ist mehr darüber. In NIA:
Ein weiteres Beispiel ist der selbstfahrende autonome Roboter v100 mit einem Abstand zwischen den mobilen Beacons von ~60cm. In IA:
Ähnliche Konfiguration mit externen Mikrofonen an einem einzelnen mobilen Beacon. Obwohl es für VR entwickelt wurde, könnte es leicht ein Roboter sein. Der Abstand zwischen den Mikrofonen beträgt ~20cm. In IA:
Es gibt viele Alternativen für jede Lösung. Zum Beispiel Motion Capture mit externen Kameras. Ist es eine präzise und geeignete Lösung für sowohl Position als auch Richtung? – Sicher! Ja! Ist es praktisch für industrielle Robotik? – Nicht wirklich:
- Teuer. Sehr teuer (im Jahr 2021)
- Es ist nicht auf die raue Umgebung von Fabriken oder Lagern ausgelegt
- Anfällig für mehrere Einschränkungen: zu wenig Licht, zu intensives Licht, Nebel, Temperaturschwankungen, Stromversorgung usw.
Daher berühren wir hier nicht alle möglichen Optionen. Nur das, was relativ relevant und umsetzbar ist.
Hinderniserkennung und -vermeidung
Hinderniserkennung und -vermeidung ist eine separate Aufgabe von der Lokalisierung
Wie oben diskutiert, verspricht der SLAM-Ansatz gleichzeitig Hinderniserkennung, Kartierung und Lokalisierung. Das klingt wie ein Traum, aber die Realität ist härter und weniger freundlich.
Unter realen Bedingungen mit schlechter Beleuchtung, vielen Lichtquellen mit hohem Dynamikbereich – helle Sonne durch Fenster zusammen mit sehr dunklen Schatten eines Lagers, verschiedenen anderen Lichtquellen von Scheinwerfern bis hin zu allen Arten von Scannern – können die visuellen SLAM-Lösungen leicht bis zum vollständigen Verlust der Lokalisierung verwirrt werden. Zusätzliche Methoden zur Korrektur schwerwiegender Fehler sind erforderlich, wenn SLAM-Systeme nicht in der Lage sind, zwischen verschiedenen Optionen korrekt zu wählen. Sensorfusion ist die Lösung.
Darüber hinaus ist es, wenn man die Aufgabe der Lokalisierung optimal (technisch und wirtschaftlich) löst, schwieriger, die Aufgabe der Hinderniserkennung optimal zu lösen, einfach weil die Aufgaben und Anforderungen unterschiedlicher Natur sind:
Der SLAM-Ansatz verkompliziert die Aufgabe jedoch unnötig, indem er die Hinderniserkennung zusätzlich zur Kartierung und Lokalisierung auflädt:
- Kartierung
- Lokalisierung
- Hinderniserkennung
Alle drei Elemente sind entscheidend für das autonome Fahren, aber sie müssen nicht dieselbe Sache sein. Sie müssen nicht mit denselben Methoden und denselben Sensoren durchgeführt werden.
Integrierte Roboter vs. aufgeteilte Roboter-Ansätze
Einer der wichtigen Punkte ist es, klar zwischen den Robotern und ihren Nutzlasten zu unterscheiden. Es ist sehr ähnlich wie bei Raketen und Satelliten. Zwei Dinge sind ziemlich getrennt und sollten nicht vermischt werden. Dieselbe Geschichte gilt für Traktoren und traktormontierte Ausrüstung.
Integrierter Roboter-Ansatz
Ein entscheidender Punkt ist es, klar zwischen den Robotern und ihren Nutzlasten zu unterscheiden. Es ist sehr ähnlich wie bei Raketen und Satelliten. Zwei Dinge sind ziemlich getrennt und sollten nicht vermischt werden – dieselbe Geschichte gilt für Traktoren und traktormontierte Ausrüstung.
Sehr oft sind die Roboter jedoch vollständig integriert, d.h. ihre Nutzlasten sind eng miteinander verbunden. Der vereinte Robotik-Ansatz hat Vor- und Nachteile.
Vorteile:
- Der Bau kann einfacher sein, da der Roboter nur auf eine Aufgabe ausgerichtet ist. Sehr fokussiert
- Einfacher zu bedienen und zu integrieren
Nachteile:
- Unflexibel
- Kann langfristig teurer werden aufgrund von Unflexibilität und dem Bedarf an mehreren verschiedenen Robotern für unterschiedliche Aufgaben
Aufgeteilter Roboter-Ansatz
Vorteile:
- Flexibel in der Nutzung. Mit einer begrenzten Anzahl von Roboterplattformen und einer begrenzten Anzahl von Arten montierter Ausrüstung ist es möglich, praktisch unbegrenzt viele verschiedene Konfigurationen zu erstellen
- Flexibel in der Entwicklung, da Teile unabhängig voneinander entwickelt werden können und nur Schnittstellen (elektrisch, mechanisch, SW) kompatibel bleiben müssen. Aber selbst diese können es sein
- Die Roboterplattform kann einfach, sogar primitiv und dennoch sehr funktional sein, da sie nur eine Plattform ist – „Traktor” oder „Rakete” – ohne ausgefeilte „Satelliten”
- Geringere Kosten pro Roboter
Nachteile:
- Komplexere Integration. Der Roboter besteht aus mindestens zwei Teilen: „Traktor” und „Ausrüstung”
- Kann weniger robust sein, da der aufgeteilte Ansatz mehr verschiedene Varianten hat, d.h. mehr Tests erforderlich sind, mehr Parteien beteiligt sind usw.
Beispiele für Roboterplattformen und Nutzlast/Ausrüstung
Roboterplattformen:
- Autonome Lieferplattform. Sie ist wirklich wie ein Traktor, kann aber verschiedene Dinge tragen – verschiedene Nutzlasten oder verschiedene Ausrüstungen
- Die Drohne selbst
Nutzlast oder Ausrüstung:
- Arme, zum Beispiel um eine Box zu greifen und auf den Roboter zu legen
- Der Korb auf dem Roboter
- Die Kamera auf dem Roboter oder der Drohne
- Alle Arten von Messgeräten (chemisch, Strahlung, Lärm usw.)
- Scanner (3D, Barcode-/QR-Leser usw.)
- Brandschutzausrüstung
- Anti-COVID-Sprays oder Lampen und Ähnliches
Schwarmrobotik
Einen einzelnen Roboter autonom fahren zu lassen ist keine leichte Aufgabe. Aber einen Schwarm von Robotern zu steuern ist noch anspruchsvoller.
Was sind die Herausforderungen?
- Wenn es zu viele sich bewegende Objekte in der Umgebung gibt – andere Roboter – ist es für jeden Roboter schwieriger, Entscheidungen zu treffen, weil sich die Umgebung unkontrollierbar und in einer vorhersehbaren Weise bewegt.
- Wenn die Roboter Daten an einen zentralen Computer streamen oder separate Streams von einem empfangen müssen, reicht die Funkbandbreite möglicherweise nicht aus, um alle zu bedienen.
- Da die Roboter autonom und unabhängig sind, können sie zufällig Zugriff auf gemeinsame Kommunikationskanäle anfordern. Wenn dies der Fall ist und die Kanalbandbreite nicht 10–100-mal höher ist als der erforderliche Spitzendurchsatz, sind die Kollisionswahrscheinlichkeiten hoch. Daher ist ein spezieller zentraler Controller oder ein Mechanismus zur Kollisionsauflösung erforderlich. Beides erhöht die Komplexität und bringt andere Einschränkungen mit sich.
- Roboter versperren sich gegenseitig die Sicht auf andere Objekte in der Umgebung. Roboter nehmen Nachbarn wahr, während etwas, gegen das man sich positionieren kann – wie externe feste Referenzen – eigentlich nicht vorhanden ist.
Was sind die Lösungen?
Marvelmind kann bei der Lokalisierung von Robotern in Schwärmen helfen, was der wichtigste und entscheidendste Ausgangspunkt ist, denn wenn es angemessen gelöst wird, treten viele andere Schwierigkeiten von Roboterschwärmen einfach nicht auf.
Schwarmbeispiele und -lösungen sind unten zu finden.
Fazit
Die Seite wird auf der Grundlage Ihrer Fragen und unserer verfügbaren Zeit stetig an Details und Themen wachsen. Senden Sie Ihre Fragen daher bitte an info@marvelmind.com, und wir werden sie hier gerne ausführlich behandeln.