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 bieten kann. Marvelmind Ultraschall-RTLS liefert ±2cm Genauigkeit – 10-15x präziser als UWB (10-30cm) und 50x 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, welches Positionierungs- und Navigationssystem Sie wählen sollen, wählen Sie Folgendes:

1. Starter Set Super-MP-3D – das einfachste und vielseitigste Set für den Einstieg
2. Starter Set Super-MP-3D + Super-Beacon – wenn Sie Position+Richtung benötigen
3. Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Mikrofone – wenn Ihr Bereich größer als 20x20m Freifläche ist oder Ihre stationären Beacons 30 Grad über dem Horizont oder niedriger sind. Sie werden 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 Anlage (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 seit vielen Jahren in diesem Bereich tätig sind – aber nicht nur. Daher haben wir einige der häufigsten Fragen gesammelt und auf dieser Seite beantwortet.

Robotik ist ein weites Feld. Sehr breit und tief zugleich. Zum Beispiel:

• Tesla im selbstfahrenden Modus 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

Es wird bald Hunderte von Robotern um uns herum geben. Sie können im Aussehen so unterschiedlich sein; sie können verschiedene Kombinationen von Technologien verwenden, sodass es ziemlich schwierig wäre, sie alle zu erfassen. Wir streben das hier sicherlich nicht an.

Wir decken nur sehr wenige Bereiche ab, in denen wir als Marvelmind Robotics tätig sind:

• Industrielle autonome Lieferung
• Inspektionsrobotik
• Lagerlieferung
• Forschungs- oder Universitätsroboter oder Roboterplattformen

Und der Zweck dieses Artikels ist es, eine Idee zu geben, wo man anfangen soll, wenn man seinen Roboter baut oder zwischen den verfügbaren Optionen wählt.

Verwendung von 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 Geofencing für Roboter, Gabelstapler und Personen
• Allgemeine Robotikforschung und -entwicklung
• Robotik-Bildung und Wettbewerbe
• Schwarmrobotik

Einsatz von Robotern für automatisiertes Scannen und Inspektion

Eine der wichtigsten Aufgaben für autonome Roboter und Drohnen ist automatisiertes Scannen und Inspektion – eine sehr wichtige, aber sich wiederholende Aufgabe mit einer vorhersehbaren Routine, die ständige Aufmerksamkeit und Genauigkeit erfordert.

Das ist etwas, was Maschinen sehr gut können, während Menschen anfällig für Ermüdung und Fehler sind.

Natürlich sehen Drohnen für das Indoor-Scanning in Lagerhäusern wie eine elegantere Lösung aus, und wir diskutieren dies 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 Innenräumen nicht bieten kann. Marvelmind Ultraschall-RTLS wird in drei großen Anwendungsbereichen eingesetzt: robotergestützte Inspektion in Lagerhäusern und Fabriken, Forschungs- und Universitätslabore für Robotik sowie AMR/AGV-Navigation in Industrieanlagen. Im Folgenden sind die häufigsten realen Einsatzszenarien beschrieben.

Robotergestützte Inspektion und automatisiertes Scannen

Autonome Roboter-Scanner benötigen ein zuverlässiges Indoor-Positionierungssystem, um präzise, wiederholbare Routen durch Lagerregale, Fabrikhallen oder Gewächshäuser zu verfolgen. Manuelles Scannen mit Handbarcode-Lesern, QR-Scannern oder RFID-Geräten ist langsam, fehleranfällig und in großem Maßstab teuer. Ein mit Marvelmind Indoor GPS ausgestatteter Roboter ersetzt den menschlichen Gang – er scannt täglich, stündlich oder nach Zeitplan dieselbe Route mit einer Positionsgenauigkeit von ±2cm, die sicherstellt, dass jedes Etikett, jeder Code oder jeder RFID-Tag in der Lesereichweite des Scanners liegt.

Unsere Lösung für automatisiertes Scannen und Inspektion basiert auf dem Boxie Scanner-Roboter – einer kompakten autonomen Plattform, die jede Scan-Nutzlast trägt: Kameras, Barcode-Leser, QR-Scanner oder RFID-Leser. Der Roboter navigiert selbstständig, versorgt die Nutzlast über seinen eigenen Akku mit Strom und protokolliert die Position jedes Scans mit ±2cm Genauigkeit. Das System lässt sich über eine offene API in WMS und ERP integrieren.

Wichtige Fakten für Roboter-Scanner-Einsätze:

• ±2cm Positionsgenauigkeit – ausreichend für Barcode-, QR- und RFID-Lesungen in vorhersehbarer Entfernung
• Nur 2D-Tracking 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

Anwendbare Umgebungen: Lagerhäuser, Logistikzentren, Fabriken, Montageanlagen, Gewächshäuser, Flughafenfrachtterminals.

Mehr über Lösungen für automatisiertes Scannen und Inspektion 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 Robotikforschung, die eine Ground-Truth-Positionierung ohne die Kosten und Komplexität optischer Tracking-Systeme erfordert.

Das System wurde an Universitäten weltweit für autonome Roboternavigation, Schwarmrobotik, Drohnen-Autopilot-Forschung, autonome Fahrzeugdriftsteuerung, 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 zu 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:

• ~10x genauer als UWB (±2cm vs. 10-30cm), ~100x genauer als BLE
• Keine Cloud erforderlich – alle Positionierungsberechnungen erfolgen vor Ort, keine Daten verlassen das Labor
• Volle 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 – integrierbar 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 wochenlange Wartezeit auf Forschungshardware

Bemerkenswerte veröffentlichte Forschungsarbeiten mit Marvelmind: autonomes Driftkurvenfahren 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 Lagerhäusern und Fabriken

Autonome mobile Roboter (AMRs) und automatisierte 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), liefert 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 mit 450×450m und über 120 gleichzeitig verfolgten Gabelstaplern mit 123 stationären Super-Beacons. Das System übermittelte XYZ-Echtzeit-Koordinaten über UDP und eine offene API an die Analyseplattform des Kunden und ermöglichte so die automatische Auftragszuweisung basierend auf dem aktuellen Standort jedes Fahrzeugs. In einem zweiten Einsatz wurden 10 Gabelstapler über 14 stationäre Beacons verfolgt. Beide Systeme wurden remote von Marvelmind eingesetzt. Sehen Sie die vollständigen Fallstudien.

Wichtige Vorteile für AMR- und AGV-Einsätze:

• Abdeckung von einer einzelnen 1000 m² Submap bis zu unbegrenzten Mehrgebäudebereichen über vernetzte Submaps
• Bis zu 250 gleichzeitig verfolgte mobile Roboter mit individueller ±2cm Genauigkeit
• Keine Bodenmodifikationen – Beacons werden an Wänden oder der Decke in 3-4m Höhe montiert
• Ausgabe über USB, UART, SPI, CAN oder UDP – integrierbar in jedes bestehende Flottenmanagement-System
• Genauigkeit ist unabhängig von Robotergeschwindigkeit oder Aktualisierungsrate – siehe technische Erklärung
• Funktioniert in staubigen, temperaturvariablen und elektrisch gestörten Industrieumgebungen

Anwendbare Aufgaben: autonome Lieferung, Zonentransport, Kommissionierungsunterstützung, automatisierte Bestandszählung, Durchsetzung von Sicherheitszonen, Mehrroboter-Koordination.

Welches Marvelmind Starter-Set soll ich wählen?

1) Die einfachste und sicherste Wahl – Starter Set Super-MP-3D

Wenn Sie keine Zeit haben, die Details zu studieren, aber schnell und sicher wählen müssen, wählen Sie Starter Set Super-MP:

• MP steht für Multi-Purpose. Das Set unterstützt tatsächlich mehrere Architekturen und mehrere Konfigurationen und bietet damit höchste Flexibilität:

• – 2D-Tracking mit bis zu 2 Submaps
• – 2D-Tracking mit bis zu 3 mobilen Beacons (Robotern)
• – 2D-Tracking mit Position+Richtung
• – 1D-Tracking mit bis zu 4 mobilen Beacons

• Starter Set Super-MP unterstützt verschiedene Architekturen: NIA, IA und MF NIA
• Die Beacons haben einen 900-1000 mAh LiPol-Akku eingebaut, der es ermöglicht, das System einfach und schnell ohne externe Stromversorgung einzusetzen
• Beacons haben externe Antennen – robustere Funkverbindung mit dem Modem
• Super-Beacons können Ultraschall empfangen und senden. Damit können sie als stationäre und als mobile Beacons arbeiten
• Super-Beacons haben einen DSP (digitaler Signalprozessor) eingebaut. Damit kann er mehrere Ultraschallkanäle gleichzeitig empfangen und in IA arbeiten
• Super-Beacons haben IMU (3D-Gyroskop + 3D-Beschleunigungsmesser)

Denken Sie daran, dass ein mobiles Beacon pro Roboter nur eine Position liefert. Für Position und Richtung benötigen Sie die Paired Beacons-Konfiguration – zwei mobile Beacons pro Roboter. Siehe die folgende Variante.

2) Roboter mit Richtung: Starter Set Super-MP-3D + Super-Beacon

Für Position+Richtung benötigen Sie mehr als ein mobiles 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 nennen 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 hat, 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 nicht die ausführliche Formulierung verwenden, wenn wir uns auf Roboter beziehen.

Aus dieser Perspektive ist ein autonom fliegender Kopter ein perfekter 3D-beweglicher Roboter – mehr über Drohnen auf unserer Drohnen-Seite. Aber eine ferngesteuerte Drohne ist kein Roboter. Jedoch ist dieselbe Drohne, die autonom mit 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 Fahrzeugmontageanlage

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:

• Mehrere mobile Roboter und Gabelstapler-Tracking 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, aber mit zusätzlichen mündlichen 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.

Roboter-Spezifikationen:

• Vollständig autonome Lieferung zwischen beliebigen Punkten, die vom Marvelmind Indoor „GPS” abgedeckt werden
• Bis zu 100kg Nutzlast
• Fahrzeit mehr als 16h mit einer einzigen Ladung: https://youtu.be/JaxRd_9D1fQ mit 60+kg Nutzlast
• Automatische Hinderniserkennung und -vermeidung
• Die Lieferroute kann mit einem Knopfdruck in 1 Sekunde neu konfiguriert werden
• Ladezeit weniger als vier Stunden. So werden 2-Schicht-Betrieb (16h) und eine Schicht (8h) Laden unterstützt
• Rekonfigurierbare Kapazität: 1 große Box bis zu 65x65x160cm bis zu 8 Boxen von 65x65x15cm – ein Regal vs. mehrere Regale
• Dieselbe Indoor „GPS”-Karte unterstützt:
• Mehrere mobile Roboter und Gabelstapler-Tracking sowie Personenverfolgung. Insgesamt – bis zu 250 Beacons/Objekte – stationär+mobil kombiniert.

Roboter Boxie

Demo: Kleine autonome Lieferroboter bewegen sich vollständig autonom in einer Büro-/Fabrikumgebung mit dem Marvelmind Indoor-Navigationssystem:

• Mobile Beacons in der Paired Beacons-Konfiguration für Position + Richtung im IA-Modus mit zwei externen Omni-Mikrofonen sind auf dem Roboter installiert zu sehen
• Stationäre Beacons für 2D-Tracking sind an den Wänden installiert

Neben dem Kern-Indoor-Positionierungssystem verwendet der Roboter Odometrie und IMU für die Positionierung, hauptsächlich für den Umgang mit Nicht-Sichtlinie oder anderen Interferenzen. Der Roboter verfügt auch über ein visuelles Closed-Loop-Tracking-System auf Basis von Intel Realsense. Das System wurde in dieser Demo jedoch nicht verwendet. Beachten Sie außerdem, dass mehrere 1D-LIDARs an Bord sind, diese jedoch für Hinderniserkennung und -vermeidung verwendet werden – nicht für die Positionierung.

Roboter fährt vollständig autonom mit Marvelmind Indoor „GPS”

Ein vollständig autonomer Roboter fährt selbstständig und stützt sich dabei auf:

• Marvelmind Indoor „GPS”
• Bordseitige Odometrie und Trägheitseinheiten (IMU)

Der Roboter empfängt die Koordinaten der zu besuchenden Schlüsselpunkte vom Benutzer (Tabelle rechts) und erstellt und folgt dann dem Pfad, indem er seine Position ständig gegen den Pfad korrigiert. Koordinaten werden automatisch im Dashboard durch einfaches Klicken auf die Karte gebildet.

Abstände zwischen Beacons betragen bis zu 36 Meter. Es ist möglich, den gesamten Campus mit präzisem „GPS” abzudecken, indem alle 20-30 Meter mehr Beacons installiert werden.

Vollständig autonomer kleiner Lieferroboter in Büroumgebung

Demo: Ein kleiner Lieferroboter bewegt sich vollständig autonom in einer Büro-/Fabrikumgebung mit dem Marvelmind Indoor-Navigationssystem:

• Ein mobiles Beacon ist auf dem Roboter installiert
• Stationäre Beacons sind an den Wänden installiert
• Blaue Punkte – Position des Roboters (mobiles Beacon), gemessen vom Marvelmind Indoor-Navigationssystem
• Gelbe Punkte – Position des Roboters, ermittelt aus seinem eigenen Trägheits-/Odometriesystem
• Große grüne Punkte – an den Wänden installierte stationäre Beacons

Beachten Sie, dass der Roboter und das Marvelmind Indoor-Navigationssystem die Schatten des Ultraschallsignals von den Beacons unter den Tischen und Stühlen verarbeiten. Dies ermöglicht dem Roboter, seine Aufgaben in einer realen Umgebung recht gut zu erfüllen. Die Abstände zwischen stationären Beacons können bis zu 30 Meter betragen. Die allgemeine Anforderung des Marvelmind Indoor-Navigationssystems besteht darin, die Sichtbarkeit des mobilen Beacons zu drei stationären Beacons zu jedem Zeitpunkt zu gewährleisten. Aber wie die Demo zeigt, kann der Roboter mit anderen Informationsquellen (IMU/Odometrie) 1-10 Sekunden ohne vollständige Ultraschall-Abdeckung auskommen, die für das Marvelmind Indoor-Navigationssystem erforderlich ist – wobei er sich ausschließlich auf seine IMU/Odometrie stützt. Jedoch hat die IMU/Odometrie einen inhärenten Drift. Und der Drift wird gemessen und mit Hilfe des Marvelmind Indoor-Navigationssystems korrigiert, wenn robuste und zuverlässige Daten verfügbar sind.

Demo eines vollständig autonom fahrenden Roboters: „8-Schleifen”-Strecke

Marvelmind Indoor-Navigationssystem + autonomer Roboter Marvelmind Hermes Demo:

• „8-Schleifen”-Strecke (7x2m)
• Vollständig autonomes Fahren. Das Marvelmind Indoor-Navigationssystem Starter Set wurde in einem 80m² großen Raum eingesetzt

Ein mobiles Beacon ist oben am Roboter befestigt. Der Roboter empfängt seine Koordinaten mit ±2cm Präzision vom Marvelmind IPS und nutzt sie, um die Strecke autonom zu befahren.

Es gibt absichtliche leichte Schatten für das Indoor-Navigationssystem (Säule, gepolsterte Hocker), die reale Umgebungen imitieren. Während er sich in den Schatten befindet, stützt sich der Roboter auf sein Trägheitsnavigationssystem und Odometer.

Domino-Roboter mit Positionierung und Richtung basierend auf Marvelmind Indoor „GPS”

Das Marvelmind Indoor-Navigationssystem wurde von einem einfallsreichen Domino-Setz-Roboter verwendet. Das System wurde für präzise Position und Richtung eingesetzt – sehen Sie die auf der Basis installierten mobilen Beacons, um die beste Richtungsgenauigkeit zu erzielen.

Sehen Sie auch das Originalvideo: Weltrekord-Domino-Roboter (100.000 Dominosteine in 24 Stunden)

Robotiklösungen

Lokalisierung

Eines der größten Probleme für jeden autonomen Roboter ist die Beantwortung der Frage: „Wo bin ich?”. Die Frage explodiert sofort in Teilfragen:

• Wo bin ich gegenüber meiner erwarteten Position zu diesem Zeitpunkt?
• Wo bin ich gegenüber meinem nächsten Wegpunkt?
• Wo bin ich gegenüber dem anderen Objekt: Roboter, Personen, Hindernisse, Ladestationen usw.?

Aber alles beginnt mit der Lokalisierung gegenüber einer Referenz; zum Beispiel (0,0,0) Koordinaten, was auch immer das sein könnte, oder gegenüber dem Startpunkt oder Ähnlichem. Viele andere Fragen sind Ableitungen dieser Hauptfrage.

Lokalisierung gegenüber was?

Es gibt mehrere primäre Optionen:

• Gegenüber mir selbst – dem Mittelpunkt des Roboters zum Beispiel
• Gegenüber einem externen Referenzpunkt

Die Lokalisierung gegenüber mir 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 im Detail besprechen.

Mehr über Koordinatensysteme:

• Koordinatensysteme und absolute vs. relative Genauigkeit
• So erstellen Sie Indoor-Navigationskarten

Warum kein SLAM?

SLAM (Simultaneous Localization and Mapping) ist eine großartige Methode. Dennoch scheint es nicht die geeignetste Methode für reale und praktische industrielle Anwendungen zu sein: Lagerhäuser, Montageanlagen und Intralogistik im Allgemeinen. Es ist eher für Forschungsprojekte und Doktorarbeiten als für praktische Anwendungen geeignet, weil:

• Es einfach effizienter ist, die Aufgabe in zwei Phasen aufzuteilen: 1) Kartierung, 2) Lokalisierung
• Hinderniserkennung und -vermeidung hat überhaupt 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 für die Hinderniserkennung, aber sie sind nicht besonders gut für die Kartierung, da Roboter, die LIDARs in sich bewegenden Umgebungen verwenden, viele zusätzliche Hinweise benötigen oder zu viele Fehler machen werden
• Dieselbe Einschränkung, die über LIDARs erwähnt wurde, gilt für visuelle SLAM-Systeme – sie werden verwirrt und müssen sich bei größeren 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, da es keine garantierten Ergebnisse liefert
• Die zeitliche Aufteilung derselben Operationen (Kartierung ist getrennt von der Lokalisierung und verschieden von der Hinderniserkennung und -vermeidung) liefert robustere und vorhersehbarere Ergebnisse bei gleichzeitig geringen Kosten, insbesondere für mehrere mobile Objekte. Während bei SLAM jeder intelligente Agent sehr klug sein muss – d.h. teuer, komplex, sperrig, vollgepackt mit Sensoren und energiehungrig

Lokalisierung von innen nach außen, von innen nach innen oder gemischt?

Wenn der Roboter alles für die Lokalisierung erforderliche an Bord trägt, spricht man von Inside-Out-Lokalisierung. Menschen und Tiere verwenden Inside-Out-Lokalisierung. Nicht nur werden wir darüber sprechen, aber sie benötigen im Allgemeinen keine direkten und kontinuierlichen Informationen darüber, wo sie sich in Form eines kontinuierlichen Stroms von Koordinaten befinden. Sie bestimmen es „innerlich” anhand verschiedener Hinweise.

Einige 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 beliebige Roboter. Entwickler solcher „universellen Positionierungssysteme” würden Schwierigkeiten haben, weil die Daten von einem Odometer praktisch in jedem Format vorliegen könnten – analog mit unterschiedlichen Werten oder digital codiert mit unbekanntem Format. Es könnte absolut unterschiedliche Auflösungen haben, und viele andere Parameter könnten unterschiedlich sein.

Daher sind die meisten Systeme innerhalb von Robotern von Natur aus miteinander verbunden. Dies soll von jedem, der einen Roboter entwirft, von Anfang an verstanden und berücksichtigt werden.

Es wäre theoretisch möglich, einige Arten von Konvertern zu bauen – entfernt ähnlich wie 50-Ohm-Hochfrequenzsysteme. Empfänger, Antennen, Verstärker und Sender können sehr unterschiedliche Impedanzen haben. Aber die Menschen haben sich auf eine gemeinsame Impedanz von 50 Ohm geeinigt. So konvertieren alle Einheiten ihre Impedanz auf 50 Ohm und von 50 Ohm auf ihre interne Impedanz. Ja, es bringt Verluste, Komplexitäten und Kosten, aber es hat sich als die am besten funktionierende Lösung im Hochfrequenzbereich herausgestellt. Etwas Ähnliches könnte auch hier implementiert werden.

Es könnte für Roboter getan werden … aber es ist nicht getan. Ja, es gibt „universelle Schnittstellen” – wie USB … hm … warum gibt es dann so viele verschiedene Arten von USB-Formaten? … 🙂 Und warum gibt es so viele andere Arten von Schnittstellen? – nun, Kostenfolgen und andere bedeutende Einschränkungen wie Komplexität, Stromverbrauch und Größe.

Als Ergebnis bleibt eine universelle Schnittstelle entfernt und schwer fassbar. Und die Realität ist ziemlich unordentlich und einzigartig für jeden Robotertyp.

Auswahl eines Referenzpunkts

Im Fall von GPS sind die Koordinaten in regulären Breiten- und Längengraden der Erde verfügbar. In einigen Fällen kann dies hilfreich sein, wenn beispielsweise der Roboter aus dem Innenbereich herausfährt. Aber für die Mehrheit der realen Indoor-Fälle interessieren wir uns nur für lokale Koordinaten.

Daher wählen wir sie nach unserem Ermessen. Im Marvelmind Indoor „GPS” weist das System normalerweise 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 eine Georeferenzierung möglich, indem externe GPS-Koordinaten dem internen (0,0)-Punkt zugewiesen werden. Danach würde der Koordinatenstrom vom Marvelmind Indoor „GPS” in absoluten GPS-Koordinaten im NMEA0183-Format vorliegen. 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 leicht eine präzise Position mit unserem System erhalten. Aber wenn Ihr Roboter seine aktuelle Richtung nicht kennt – wohin er zeigt – ist es schwierig zu entscheiden, wohin er fahren soll.

Es ist möglich, die Richtung des Roboters recht schnell zu berechnen, indem man seinen aktuellen Standort misst, ca. 1m geradeaus fährt – die gerade Richtung mit IMU/Gyroskop haltend – dann einen neuen Standort misst und durch Kenntnis zweier Punkte und dem Wissen, dass es eine Linie war – keine Kurve –, die aktuelle Richtung des Roboters zu berechnen. Später, während der Fahrt, dieselbe Technik die ganze Zeit anwenden.

Diese älteren Roboter verwenden diesen Ansatz:

Die Methode ist einfach und erfordert nur ein mobiles Beacon (Tag), funktioniert aber nur, wenn man fahren kann. Man kann oft nicht fahren und muss sich direkt vor Ort lokalisieren – im statischen Zustand. Was tun?

Die Paired 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 ein selbstfahrender autonomer Roboter v100 mit einer Basis zwischen den mobilen Beacons von ~60cm. In IA:

Ähnliche Konfiguration mit externen Mikrofonen an einem einzelnen mobilen Beacon. Obwohl es für VR gemacht wurde, könnte es leicht ein Roboter sein. Die Basis 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 Position und Richtung? – sicher! Ja! Ist es praktisch für industrielle Robotik? – nicht wirklich:

• Kostspielig. Sehr kostspielig (in 2021)
• Es ist nicht auf die harte Umgebung von Fabriken oder Lagerhäusern ausgelegt
• Anfällig für mehrere Einschränkungen: zu wenig Licht, zu intensives Licht, Nebel, Temperaturschwankungen, Stromversorgung usw.

Daher berühren wir hier nicht alle möglichen Optionen. Nur was relativ relevant und umsetzbar ist.

Hinderniserkennung und -vermeidung

Hinderniserkennung und -vermeidung ist eine separate Aufgabe von der Lokalisierung

Wie oben besprochen, verspricht der SLAM-Ansatz gleichzeitig Hinderniserkennung, Kartierung und Lokalisierung. Das klingt wie ein Traum, aber die Realität ist härter und weniger freundlich.

In realen Bedingungen mit schlechter Beleuchtung, vielen Lichtquellen mit hohem Dynamikbereich – helle Sonne durch Fenster zusammen mit sehr dunklen Schatten eines Lagerhauses, verschiedenen anderen Lichtquellen von Scheinwerfern bis hin zu allen Arten von Scannern – können die visuell basierten SLAM-Lösungen leicht bis zum vollständigen Verlust der Lokalisierung verwirrt werden. Zusätzliche Methoden zur Korrektur größerer Fehler sind erforderlich, wenn SLAM-Systeme nicht richtig zwischen verschiedenen Optionen wählen können. Sensorfusion ist die Lösung.

Außerdem 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 von Natur aus unterschiedlich sind:

Aber der SLAM-Ansatz verkompliziert die Aufgabe unnötigerweise, indem er die Hinderniserkennung zusätzlich zur Kartierung und Lokalisierung auflädt:

1. Kartierung
2. Lokalisierung
3. Hinderniserkennung

Alle drei Elemente sind entscheidend wichtig für das autonome Fahren, aber sie müssen nicht dasselbe sein. Sie müssen nicht mit denselben Methoden und denselben Sensoren durchgeführt werden.

Integrierte Roboter vs. aufgeteilte Roboter-Ansätze

Einer der wichtigen Punkte ist, klar zwischen den Robotern und ihren Nutzlasten zu unterscheiden. Es ist sehr ähnlich wie Raketen und Satelliten. Zwei Dinge sind ziemlich getrennt und sollten nicht verwechselt werden. Die gleiche Geschichte mit Traktoren und Traktoranbaugeräten.

Integrierter Roboter-Ansatz

Ein entscheidender Punkt ist, klar zwischen den Robotern und ihren Nutzlasten zu unterscheiden. Es ist sehr ähnlich wie Raketen und Satelliten. Zwei Dinge sind ziemlich getrennt und sollten nicht verwechselt werden – die gleiche Geschichte mit Traktoren und Traktoranbaugeräten.

Sehr oft sind die Roboter jedoch vollständig integriert, d.h. ihre Nutzlasten sind eng miteinander verbunden. Es gibt Vor- und Nachteile des vereinheitlichten Robotik-Ansatzes.

Vorteile:

• Es kann einfacher zu bauen sein, weil der Roboter nur für eine Aufgabe ausgelegt ist. Sehr fokussiert
• Einfacher zu betreiben und zu integrieren

Nachteile:

• Unflexibel
• Kann langfristig teurer sein aufgrund der Unflexibilität und der Notwendigkeit mehrerer verschiedener für unterschiedliche Aufgaben

Aufgeteilter Roboter-Ansatz

Vor- und Nachteile eines aufgeteilten Ansatzes, bei dem Roboter „Traktoren” oder „Raketen” sind und Nutzlasten je nach Bedarf bereitgestellt werden:

Vorteile:

• Flexibel in der Nutzung. Mit einer begrenzten Anzahl von Roboterplattformen und einer begrenzten Anzahl von Typen montierter Geräte ist es möglich, praktisch unbegrenzte Mengen verschiedener Konfigurationen zu realisieren
• 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, weil es 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, weil der aufgeteilte Ansatz mehr verschiedene Varianten hat, d.h. mehr Tests erforderlich, mehr Parteien beteiligt usw.

Beispiele für Roboterplattformen und Nutzlast/Ausrüstung

Roboterplattformen:

• Autonome Lieferplattform. Es ist wirklich wie ein Traktor, aber er kann verschiedene Dinge tragen – verschiedene Nutzlasten oder verschiedene Ausrüstungen
• Die Drohne selbst

Nutzlast oder Ausrüstung:

• Arme, zum Beispiel, um eine Box zu nehmen 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, Bar/QR-Leser usw.)
• Brandschutzausrüstung
• Anti-COVID-Sprays oder Lampen und Ähnliches

Schwarmrobotik

Einen einzelnen Roboter autonom fahren zu lassen, ist keine sehr einfache Aufgabe. Aber einen Schwarm von Robotern zu machen, 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 unkontrolliert und auf eine vorhersehbare Weise bewegt.
• Wenn die Roboter Daten streamen oder separate Streams von einem zentralen Computer empfangen müssen, reicht die Funkbandbreite oder Bandbreite möglicherweise nicht aus, um sie alle zu bedienen.
• Da die Roboter autonom und unabhängig sind, können sie zufällig Zugang zu gemeinsamen Kommunikationskanälen anfordern. Wenn sie das tun und die Kanalbandbreite nicht 10-100 mal höher als der erforderliche Spitzendurchsatz ist, ist die Kollisionswahrscheinlichkeit hoch. Daher ist ein spezieller zentraler Controller oder ein Mechanismus zur Auflösung der Kollisionen erforderlich. Beides erhöht die Komplexität und bringt andere Einschränkungen mit sich.
• Roboter verdecken gegenseitig die Sicht auf andere Objekte in der Umgebung. Roboter nehmen Nachbarn wahr, während etwas zur Positionierung gegen – wie externe feste Referenzen – nicht wirklich vorhanden ist.

Was sind die Lösungen?

Marvelmind kann bei der Lokalisierung von Robotern in Schwärmen helfen, was der Ausgangspunkt und der wichtigste Punkt ist, denn wenn es angemessen gelöst ist, treten viele andere Schwierigkeiten von Roboterschwärmen einfach nicht auf.

Schwarmbeispiele und Lösungen finden Sie unten.

Fazit

Die Seite wird stetig an Details und Themen basierend auf Ihren Fragen und unserer verfügbaren Zeit wachsen. Bitte senden Sie Ihre Fragen an info@marvelmind.com, und wir werden sie hier gerne ausführlich beantworten.