GPS Interior para Robots Autónomos: Sistema de Posicionamiento Interior Preciso de ±2cm
Por qué los ingenieros eligen el GPS interior por ultrasonido sobre UWB para la navegación de robots
Los robots móviles autónomos, AMRs y AGVs requieren posicionamiento interior que GPS no puede proporcionar. El RTLS por ultrasonido de Marvelmind ofrece una precisión de ±2cm, entre 10 y 15 veces más preciso que UWB (10-30cm) y 50 veces más preciso que Bluetooth. El sistema emite coordenadas XYZ mediante USB, UART o CAN, con controladores nativos para ROS y ROS2 para una integración inmediata en cualquier pila de navegación robótica. El protocolo GPS nativo NMEA0183 también es compatible de serie.
Consejos muy rápidos para nuestros clientes
Si está construyendo un robot o un AGV y necesita decidir muy rápidamente qué elegir como sistema de posicionamiento y navegación, elija lo siguiente:
- Starter Set Super-MP-3D – el conjunto más sencillo y versátil para comenzar
- Starter Set Super-MP-3D + Super-Beacon – si desea Ubicación+Dirección
- Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Micrófonos – si su área es mayor de 20x20m de espacio abierto o sus balizas estacionarias están a 30 grados del horizonte o menos. Podrá construir robots con este tipo de capacidades de conducción. Nuestro robot Boxie utiliza esta configuración por ser la más avanzada y flexible
¿Pero qué pasa si necesita cubrir un gran almacén o una planta (10.000-100.000m2) con una docena de robots? ¿Se puede hacer? – ¡fácilmente! Solo se necesitan más submapas con más balizas estacionarias para mayor cobertura y más balizas móviles para rastrear más objetos móviles. Más información sobre submapas en la página de Descargas.
Introducción
Nos han preguntado muchas veces nuestra opinión sobre diferentes temas de robótica, sobre todo en lo que respecta al posicionamiento interior preciso para aplicaciones industriales, ya que llevamos muchos años activos en este campo, aunque no solo en eso. Por ello, hemos recopilado algunas de las preguntas más frecuentes y las hemos respondido en esta página.
La robótica es un campo muy amplio. Muy extenso y profundo al mismo tiempo. Por ejemplo:
- Tesla en modo de conducción autónoma es un robot
- Un dron autónomo DJI/PixHawk/Marvelmind es un robot
- El aspirador Roomba es un robot
- El Marvelmind v100 es un robot
- Honda Asimo es un robot
- Sony Aibo es un robot
- Un robot publicitario de conducción autónoma es un robot
- Incluso un robot Lego es un robot
Pronto habrá cientos de robots a nuestro alrededor. Pueden ser muy diferentes en apariencia; pueden utilizar diferentes combinaciones de tecnologías, por lo que sería bastante difícil cubrirlos todos. Desde luego, no pretendemos hacerlo aquí.
Solo cubrimos algunas áreas muy concretas en las que nosotros, como Marvelmind Robotics, operamos:
- Entrega autónoma industrial
- Robótica de inspección
- Entrega en almacenes
- Robots o plataformas robóticas de investigación o universitarias
El propósito de este artículo es dar una idea de por dónde empezar si está construyendo su robot o eligiendo entre las opciones disponibles.
Uso del "GPS" interior de Marvelmind para robots, vehículos y AGVs
El sistema de posicionamiento interior de Marvelmind (Marvelmind IPS), también conocido como “GPS” interior de Marvelmind o Marvelmind RTLS, se utiliza ampliamente para diferentes tipos de robots autónomos, vehículos autónomos, AGVs y carretillas elevadoras con diversos fines:
- Navegación y posicionamiento autónomo para robots en interiores y exteriores
- Rastreo de AGVs, vehículos o carretillas elevadoras
- Provisión de geovallado para robots, carretillas elevadoras y personas
- Investigación y desarrollo general en robótica
- Educación y competiciones de robótica
- Robótica de enjambre
Una de las principales tareas para los robots autónomos y los drones es el escaneo e inspección automatizados: una tarea muy importante pero repetitiva, con una rutina predecible que requiere atención constante y precisión.
Es algo que las máquinas pueden hacer muy bien, mientras que los humanos son propensos al cansancio y a los errores.
Por supuesto, los drones para el escaneo interior de almacenes parecen una solución más sofisticada, y lo discutimos con nuestros clientes y posibles clientes de forma semanal. Sin embargo, si desea algo práctico que funcione de manera confiable y pueda utilizarse en aplicaciones muy reales hoy en día, no para investigación e innovación, entonces los robots de escaneo deberían ser su elección hoy.
Casos de uso
Quién usa el GPS interior para robots autónomos y para qué
Los robots móviles autónomos requieren posicionamiento interior a nivel centimétrico que GNSS no puede proporcionar en interiores. El RTLS por ultrasonido de Marvelmind se utiliza en tres grandes áreas de aplicación: inspección asistida por robots en almacenes y fábricas, laboratorios de robótica de investigación y universidades, y navegación de AMR/AGV en instalaciones industriales. A continuación se presentan los escenarios de despliegue más comunes en el mundo real.
Inspección asistida por robots y escaneo automatizado
Los escáneres robóticos autónomos requieren un sistema de posicionamiento interior fiable para seguir rutas precisas y repetibles a través de pasillos de almacén, plantas de fábrica o invernaderos. El escaneo manual con lectores de códigos de barras, escáneres QR o equipos RFID de mano es lento, propenso a errores y costoso a gran escala. Un robot equipado con el GPS interior de Marvelmind reemplaza el recorrido humano, escaneando la misma ruta diariamente, cada hora o según un horario, con una precisión posicional de ±2cm que garantiza que cada etiqueta, código o etiqueta RFID esté dentro del rango de lectura del escáner.
Nuestra solución de escaneo e inspección automatizados está construida alrededor del robot Boxie Scanner, una plataforma autónoma compacta que lleva cualquier carga de escaneo: cámaras, lectores de códigos de barras, escáneres QR o lectores RFID. El robot navega de forma independiente, suministra energía a la carga desde su propia batería y registra la posición de cada escaneo con una precisión de ±2cm. El sistema se integra con WMS y ERP mediante API abierta.
Datos clave para despliegues de robots escáner:
- Precisión de posición de ±2cm, suficiente para la lectura de códigos de barras, QR y RFID a distancia predecible
- Solo se requiere seguimiento en 2D, menor coste y complejidad que el escaneo con drones
- El robot trabaja entre 8, 12 o 16 horas entre cargas: no se necesita operador, sin riesgo de accidentes
- Múltiples robots pueden operar simultáneamente en un mismo espacio, cada uno rastreado de forma independiente
- Las coordenadas están georreferenciadas: cada escaneo se registra con posición XYZ exacta y marca de tiempo
Entornos aplicables: almacenes, centros logísticos, fábricas, plantas de ensamblaje, invernaderos, terminales de carga aeroportuaria.
Más información sobre soluciones de escaneo e inspección automatizados →
Navegación interior autónoma para investigación y universidades
Las universidades, estudiantes de doctorado, posdoctorales y laboratorios de investigación se encuentran entre los usuarios más activos del sistema de posicionamiento interior de Marvelmind. La combinación de precisión de ±2cm, API abierta, controladores nativos para ROS/ROS2 y precios transparentes hacen que el sistema sea muy adecuado para la investigación en robótica que exige posicionamiento de referencia sin el coste y la complejidad de los sistemas de seguimiento óptico.
El sistema ha sido utilizado en universidades de todo el mundo para navegación autónoma de robots, robótica de enjambre, investigación en autopiloto de drones, control de derrape en vehículos autónomos, arqueología interior y seguimiento de personas. Una comparación independiente publicada de sistemas de posicionamiento interior concluyó que Marvelmind IPS ofrece una precisión comparable a la de los sistemas ópticos a una fracción del coste, y supera significativamente a las alternativas basadas en UWB. Consulte la lista completa de casos universitarios y artículos de investigación publicados.
Por qué los equipos de investigación eligen Marvelmind frente a otras alternativas:
- Aproximadamente 10 veces más preciso que UWB (±2cm frente a 10-30cm), ~100 veces más preciso que BLE
- No requiere nube: todo el posicionamiento se calcula localmente, sin que los datos salgan del laboratorio
- Soporte completo para ROS y ROS2 con controladores publicados y ejemplos de código
- Compatible con TurtleBot, AMRs personalizados, drones, PixHawk, ArduPilot, Jetson, Arduino
- Interfaces abiertas: USB, UART, SPI, CAN, I2C; se integra con cualquier plataforma de investigación
- Hardware, protocolos y software personalizables: el equipo trabaja directamente con los usuarios finales
- Envío el mismo día o al siguiente día hábil: sin esperar semanas por el hardware de investigación
Investigaciones publicadas destacadas con Marvelmind: giro autónomo en derrape en UC Berkeley, fusión de sensores con ROS en múltiples universidades, Drone Referee (MSD 2017/18), posicionamiento arqueológico interior en excavaciones israelíes, seguimiento de actividad de vacas en interiores, robot de distribución de spray anti-COVID.
Ver la página completa de soluciones universitarias y ejemplos de investigación →
Navegación de AMR y AGV en almacenes y fábricas
Los robots móviles autónomos (AMRs) y los vehículos de guiado automático (AGVs) en instalaciones industriales requieren un posicionamiento interior preciso, escalable y estable en infraestructura. A diferencia de los sistemas basados en códigos QR en el suelo (fácilmente dañados u obstruidos), SLAM (computacionalmente complejo y con acumulación de deriva) o UWB (precisión de 10-30cm, insuficiente para la navegación en pasillos estrechos), el RTLS por ultrasonido proporciona posicionamiento XYZ absoluto de ±2cm que no deriva, no depende de la iluminación y escala desde un solo robot hasta 250 vehículos simultáneos.
Marvelmind ha desplegado sistemas de seguimiento para clientes industriales, incluyendo un almacén en forma de T de 450×450m con más de 120 carretillas elevadoras rastreadas simultáneamente mediante 123 Super-Beacons estacionarios. El sistema transmitía coordenadas XYZ en tiempo real a la plataforma de análisis del cliente mediante UDP y API abierta, permitiendo la asignación automática de tareas basada en la ubicación actual de cada vehículo. Un segundo despliegue rastreó 10 carretillas elevadoras con 14 balizas estacionarias. Ambos sistemas fueron desplegados remotamente por Marvelmind. Consulte los casos de estudio completos.
Ventajas clave para despliegues de AMR y AGV:
- Cobertura desde un único submapa de 1.000 m² hasta áreas de múltiples edificios ilimitadas mediante submapas en red
- Hasta 250 robots móviles rastreados simultáneamente con precisión individual de ±2cm
- Sin modificaciones en el suelo: las balizas se montan en paredes o techo a una altura de 3-4m
- Salida mediante USB, UART, SPI, CAN o UDP; se integra en cualquier sistema de gestión de flota existente
- La precisión es independiente de la velocidad del robot o de la tasa de actualización; consulte la explicación técnica
- Funciona en entornos industriales con polvo, variaciones de temperatura y ruido eléctrico
Tareas aplicables: entrega autónoma, transporte entre zonas, asistencia en picking, conteo automatizado de inventario, aplicación de zonas de seguridad, coordinación multi-robot.
¿Qué kit de inicio de Marvelmind elegir?
Si no tiene tiempo para estudiar los detalles pero necesita elegir rápido y con seguridad, elija el Starter Set Super-MP:
- MP significa Multi-Propósito. El conjunto admite múltiples arquitecturas y configuraciones, lo que ofrece la mayor flexibilidad:
- – Seguimiento 2D con hasta 2 submapas
- – Seguimiento 2D con hasta 3 balizas móviles (robots)
- – Seguimiento 2D con Ubicación+Dirección
- – Seguimiento 1D con hasta 4 balizas móviles
- El Starter Set Super-MP admite diferentes arquitecturas: NIA, IA y MF NIA
- Las balizas tienen una batería LiPol de 900-1000 mAh en su interior, lo que permite desplegar el sistema de forma fácil y rápida sin necesidad de una fuente de alimentación externa
- Las balizas tienen antenas externas para una conectividad de radio más robusta con el módem
- Las Super-Beacons pueden recibir y transmitir ultrasonido, por lo que pueden funcionar tanto como balizas estacionarias como móviles
- Las Super-Beacons tienen DSP (procesador de señal digital) en su interior, lo que les permite recibir varios canales de ultrasonido a la vez y funcionar en IA
- Las Super-Beacons tienen IMU (giroscopio 3D + acelerómetro 3D)
Recuerde que una baliza móvil por robot solo le proporciona una ubicación. Para obtener ubicación y dirección, necesita la configuración de Balizas Emparejadas, es decir, dos balizas móviles por robot. Consulte la siguiente variante.
Para Ubicación+Dirección, necesita más de una baliza móvil por robot. Por ello, lo más sencillo es añadir al Starter Set Super-MP una Super-Beacon adicional.
Robótica. Conceptos básicos
Terminología
Robot = robot móvil autónomo
Llamamos robots, ante todo, a los robots móviles autónomos. Todo aquello que es guiado directamente por humanos no es un robot. Todo lo que no es móvil pero tiene todos los elementos robóticos es un robot, aunque no nos centramos en robots de ensamblaje. Nuestros robots son:
- Autónomos
- Móviles
Por ello, nos referimos a robots móviles autónomos incluso cuando no usamos una terminología extensa al hablar de robots.
Desde esta perspectiva, un cóptero que vuela de forma autónoma es un robot perfecto de movimiento 3D. Más información sobre drones en nuestra página de Drones. Pero un dron controlado a distancia no es un robot. Sin embargo, ese mismo dron regresando de forma autónoma a la base mediante GPS RTK o guía visual es un robot de vuelo 3D perfecto.
Ejemplos de posicionamiento y navegación interior precisos para robots
Robot de entrega autónoma: demostración en planta de ensamblaje de automóviles
Robot de Entrega Autónoma Marvelmind v100.
IA con 15 balizas estacionarias y un módem para cobertura de “GPS” interior. Ver más: https://youtu.be/TWWg_8JHYzo.
El mismo mapa de “GPS” interior es compatible, además del robot mostrado en el vídeo, con:
- Seguimiento de múltiples robots móviles y carretillas elevadoras, así como seguimiento de personas. En total, hasta 250 balizas/objetos entre estacionarios y móviles combinados
Ejemplo del robot v100 con explicaciones detalladas
Esta es la misma demostración que https://youtu.be/TWWg_8JHYzo, pero con comentarios verbales adicionales que explican lo que se muestra en el vídeo y el sistema en general.
Configuración:
- Robot de Entrega Autónoma Marvelmind: https://youtu.be/efOc-ItVvgg
- IA con 15 balizas estacionarias y un módem para cobertura de “GPS” interior.
Especificaciones del robot:
- Entrega completamente autónoma entre cualquier punto cubierto por el “GPS” interior de Marvelmind
- Hasta 100 kg de carga útil
- Tiempo de conducción de más de 16h con una sola carga: https://youtu.be/JaxRd_9D1fQ con más de 60 kg de carga útil
- Detección y evasión automática de obstáculos
- La ruta de entrega se puede reconfigurar con un solo clic en 1 segundo
- El tiempo de carga es inferior a cuatro horas. Por tanto, se admite un trabajo de 2 turnos (16h) y un turno de carga (8h)
- Capacidad reconfigurable: 1 caja grande de hasta 65x65x160cm o hasta 8 cajas de 65x65x15cm; una estantería frente a múltiples estanterías
- El mismo mapa de “GPS” interior es compatible con:
- Seguimiento de múltiples robots móviles y carretillas elevadoras, así como seguimiento de personas. En total, hasta 250 balizas/objetos entre estacionarios y móviles combinados.
Robot Boxie
- Se pueden ver balizas móviles en la configuración de Balizas Emparejadas para Ubicación + Dirección en un módem IA con dos Omni-Micrófonos externos instalados en el robot
- Las balizas estacionarias para seguimiento 2D están instaladas en las paredes
Robot conduciendo de forma completamente autónoma usando el "GPS" interior de Marvelmind
Un robot completamente autónomo conduce por sí solo, apoyándose en:
- “GPS” interior de Marvelmind
- Odometría a bordo y unidades inerciales (IMU)
El robot recibe del usuario las coordenadas de los puntos clave a visitar (tabla de la derecha) y luego crea y sigue la ruta corrigiendo constantemente su posición respecto a ella. Las coordenadas se forman automáticamente en el Dashboard simplemente haciendo clic en el mapa.
Las distancias entre balizas son de hasta 36 metros. Es posible cubrir todo el campus con un “GPS” preciso instalando más balizas cada 20-30 metros.
Robot de entrega pequeño completamente autónomo moviéndose en un entorno de oficina
Demostración de conducción autónoma completa de un robot: circuito en "bucle en 8"
Demo del Sistema de Navegación Interior de Marvelmind + robot autónomo Marvelmind Hermes:
- Circuito en “bucle en 8” (7x2m)
- Conducción completamente autónoma. El Kit de inicio del Sistema de Navegación Interior de Marvelmind desplegado en una sala de 80m2
Una baliza móvil está sujeta a la parte superior del robot. El robot recibe sus coordenadas con una precisión de ±2cm del Marvelmind IPS y las utiliza para recorrer el circuito de forma autónoma.
Hay sombras suaves intencionales para el Sistema de Navegación Interior (columna, taburetes acolchados) que imitan entornos reales. Mientras está en las sombras, el robot se apoya en su sistema de navegación inercial y odómetro.
Robot de dominó con posicionamiento y dirección basados en el "GPS" interior de Marvelmind
El Sistema de Navegación Interior de Marvelmind ha sido utilizado por un ingenioso robot colocador de dominós. El sistema se utilizó para la ubicación y dirección precisas; obsérvense las balizas móviles colocadas en la base para lograr la mejor precisión direccional.
Vea también el vídeo original: Robot de dominó con récord mundial (100.000 fichas en 24 horas)
Soluciones robóticas
Localización
Uno de los mayores problemas para cualquier robot autónomo es responder a la pregunta: “¿dónde estoy?”. La pregunta se expande inmediatamente en un conjunto de subpreguntas:
- ¿Dónde estoy respecto a mi ubicación esperada en este momento?
- ¿Dónde estoy respecto a mi siguiente punto de referencia?
- ¿Dónde estoy respecto a los otros objetos: robots, personas, obstáculos, estaciones de carga, etc.?
Pero todo comienza con la localización respecto a alguna referencia; por ejemplo, las coordenadas (0,0,0), sea lo que sea, o respecto al punto de partida o similar. Muchas otras preguntas son derivadas de esa pregunta principal.
¿Localización respecto a qué?
Hay varias opciones principales:
- Respecto a mí mismo: el centro del robot, por ejemplo
- Respecto a un punto de referencia externo
Respecto a uno mismo es más sencillo en muchos casos, pero se trata más bien de la detección y evasión de obstáculos que de moverse y navegar en el espacio. Analicemos en detalle el posicionamiento y la navegación respecto a referencias externas.
Más información sobre los sistemas de coordenadas:
¿Por qué no usar SLAM?
SLAM (Localización y mapeo simultáneos) es un método extraordinario. Sin embargo, no parece ser el más adecuado para aplicaciones industriales reales y prácticas: almacenes, plantas de ensamblaje e intralogística en general. Es más adecuado para proyectos de investigación y doctorados que para aplicaciones prácticas, porque:
- Simplemente es más eficiente dividir la tarea en dos etapas: 1) Mapeo, 2) Localización
- La detección y evasión de obstáculos no tiene nada que ver con el mapeo y la localización. Es el punto 3). Es simplemente una tarea diferente y debe resolverse de manera distinta. Los LIDARs son adecuados para la detección de obstáculos, pero no son especialmente buenos para el mapeo, ya que en entornos en movimiento los robots que usan LIDARs necesitarán muchas pistas adicionales o cometerán demasiados errores
- La misma limitación mencionada sobre los LIDARs se aplica a los sistemas SLAM visuales: se confunden y deben apoyarse en otros métodos para los errores graves
- En general, la fusión de sensores es el mejor enfoque y ofrece los mejores resultados
Así, en resumen:
- SLAM es excelente pero innecesariamente complejo, ya que no garantiza resultados
- Separar las mismas operaciones en el tiempo (el mapeo es independiente de la localización y distinto de la detección y evasión de obstáculos) ofrece resultados más robustos y predecibles con un bajo coste, especialmente para múltiples objetos móviles. Con SLAM, en cambio, cada agente inteligente debe ser muy avanzado, es decir, costoso, complejo, voluminoso, lleno de sensores y con gran consumo de energía
¿Localización de dentro hacia fuera, de dentro hacia dentro o mixta?
Si el robot lleva a bordo todo lo necesario para la localización, se trata de localización de dentro hacia fuera. Los humanos y los animales utilizan la localización de dentro hacia fuera. No solo hablaremos de ello, sino que en general no necesitan información directa y constante sobre dónde se encuentran en términos de un flujo continuo de coordenadas. Lo determinan “internamente” basándose en diferentes indicios.
Algunas personas llaman a este proceso odometría visual. Por supuesto, funciona mucho mejor con una odometría regular basada en ruedas (pies). Y por eso es más fácil construir un robot con un sistema de navegación que simplemente un sistema de navegación para cualquier robot. Los desarrolladores de tales “sistemas de posicionamiento universales” tendrían dificultades porque los datos de un odómetro podrían estar en prácticamente cualquier formato: analógico con diferentes valores o codificado digitalmente con un formato desconocido. Podría tener resoluciones absolutamente diferentes y muchos otros parámetros podrían ser distintos.
Por ello, la mayoría de los sistemas dentro de los robots están intrínsecamente vinculados. Esto debe ser comprendido y considerado por cualquier persona que diseñe un robot desde el principio.
En teoría, podría ser posible construir algún tipo de convertidores, vagamente similares a los sistemas de alta frecuencia de 50 Ohm. Los receptores, antenas, amplificadores y transmisores pueden tener impedancias muy diferentes. Pero la gente acordó tener una impedancia común de 50 Ohm. Así, todas las unidades convierten su impedancia a 50 Ohm y de 50 Ohm a su impedancia interna. Sí, esto genera pérdidas, complejidades y costes, pero resultó ser la solución más funcional en el campo de la radiofrecuencia. Algo similar podría implementarse aquí también.
Podría hacerse para robots… pero no se hace. Sí, existen “interfaces universales”, como USB… hm… ¿entonces por qué hay tantos tipos diferentes de formatos USB?… 🙂 ¿Y por qué hay tantos otros tipos de interfaces? Bueno, por implicaciones de coste y otras restricciones importantes como la complejidad, el consumo de energía y el tamaño.
Como resultado, una interfaz universal sigue siendo algo lejano y difícil de alcanzar. Y la realidad es bastante caótica y única para cada tipo de robot.
Elección de un punto de referencia
En el caso del GPS, las coordenadas están disponibles en latitud y longitud regulares de la Tierra. En algunos casos, puede ser útil cuando, por ejemplo, el robot sale al exterior. Pero para la mayoría de los casos reales en interiores, solo nos interesan las coordenadas locales.
Por lo tanto, las elegimos según nuestra conveniencia. En el “GPS” interior de Marvelmind, normalmente el sistema asigna una de las balizas estacionarias como (0,0,0) o (0,0). Pero puede establecer cualquier punto del mapa como (0,0):
Además, es posible la georreferenciación, asignando coordenadas GPS externas al punto interno (0,0). Después de esto, el flujo de coordenadas del “GPS” interior de Marvelmind estaría en coordenadas GPS absolutas en formato NMEA0183. O en el formato interno: https://marvelmind.com/pics/marvelmind_interfaces.pdf
Dirección
A diferencia del exterior, donde hay disponible un magnetómetro/brújula, calcular la dirección en interiores, especialmente en estático, no es una tarea trivial. Por ejemplo, su robot puede tener fácilmente una ubicación precisa usando nuestro sistema. Pero si el robot no sabe su dirección actual (hacia dónde apunta), es difícil decidir hacia dónde conducir.
Es posible calcular la dirección del robot con bastante rapidez midiendo su punto de ubicación actual, conduciéndolo 1m más o menos en línea recta (manteniendo la dirección recta usando IMU/giroscopio), midiendo luego una nueva ubicación y, conociendo dos puntos y sabiendo que se trató de una línea recta (no una curva), calcular la dirección actual del robot. Posteriormente, durante la conducción, se emplea la misma técnica continuamente.
Estos robots más antiguos utilizan este enfoque:
El método es sencillo y requiere solo una baliza móvil (etiqueta), pero solo funciona si se puede conducir. Con frecuencia no se puede desplazar el robot y es necesario localizarlo en el mismo lugar, en estático. ¿Qué hacer entonces?
Las balizas emparejadas
Nuestra forma recomendada de obtener dirección en estático es utilizar una configuración de Balizas Emparejadas.
Aquí hay más información al respecto. En NIA:
Otro ejemplo es el Robot autónomo de conducción autónoma v100 con una base entre las balizas móviles de ~60cm. En IA:
Configuración similar con micrófonos externos en una sola baliza móvil. Aunque se realizó para VR, podría ser fácilmente un robot. La base entre los micrófonos es de ~20cm. En IA:
Existen muchas alternativas para cada solución. Por ejemplo, la captura de movimiento con cámaras externas. ¿Es una solución precisa y adecuada tanto para ubicación como para dirección? ¡Claro que sí! ¿Es práctica para la robótica industrial? No realmente:
- Costosa. Muy costosa (en 2021)
- No está adaptada al entorno hostil de fábricas o almacenes
- Propensa a múltiples limitaciones: poca luz, luz demasiado intensa, niebla, cambios de temperatura, suministro eléctrico, etc.
Por lo tanto, no cubrimos aquí todas las opciones posibles. Solo lo que es relativamente relevante e implementable.
Detección y evasión de obstáculos
La detección y evasión de obstáculos es una tarea separada de la localización
Como se comentó anteriormente, el enfoque SLAM promete la detección de obstáculos, el mapeo y la localización al mismo tiempo. Suena como un sueño, pero la realidad es más dura y menos amigable.
En condiciones reales de iluminación deficiente, con muchas fuentes de luz de alto rango dinámico (sol brillante a través de las ventanas junto con sombras muy oscuras de un almacén, otras fuentes de luz que van desde los faros hasta todo tipo de escáneres), las soluciones SLAM visuales pueden confundirse fácilmente hasta el punto de perder completamente la localización. Se necesitan métodos adicionales para corregir los errores graves cuando los sistemas SLAM no pueden elegir entre diferentes opciones de forma correcta. La fusión de sensores es la solución.
Además, al resolver de forma óptima (técnica y económicamente) la tarea de localización, es más difícil resolver de forma óptima la tarea de detección de obstáculos, simplemente porque las tareas y los requisitos son de naturaleza diferente:
Pero el enfoque SLAM complica innecesariamente la tarea al cargar la detección de obstáculos sobre el mapeo y la localización:
- Mapeo
- Localización
- Detección de obstáculos
Los tres elementos son crucialmente importantes para la conducción autónoma, pero no es necesario que sean lo mismo. No es necesario que se realicen con los mismos métodos ni con los mismos sensores.
Enfoques de robots integrados frente a robots divididos
Uno de los puntos importantes es distinguir claramente entre los robots y sus cargas útiles. Es muy similar a los cohetes y los satélites. Son dos cosas bastante separadas que no deben confundirse. Lo mismo ocurre con los tractores y los equipos montados en tractores.
Enfoque de robots integrados
Un punto crucial es distinguir claramente entre los robots y sus cargas útiles. Es muy similar a los cohetes y los satélites. Son dos cosas bastante separadas que no deben confundirse. Lo mismo ocurre con los tractores y el equipo montado en tractores.
Con frecuencia, sin embargo, los robots están completamente integrados, es decir, sus cargas útiles están fusionadas de forma estrecha. El enfoque de robótica unificada tiene ventajas e inconvenientes.
Ventajas:
- Puede ser más fácil de construir porque el robot está optimizado para una sola tarea. Muy enfocado
- Más sencillo de operar e integrar
Inconvenientes:
- Inflexible
- Puede resultar más costoso a largo plazo debido a la inflexibilidad y a la necesidad de múltiples unidades diferentes para distintas tareas
Enfoque de robots divididos
Ventajas:
- Flexible en uso. Con un número limitado de plataformas robóticas y un número limitado de tipos de equipos montados, es posible lograr una cantidad prácticamente ilimitada de configuraciones diferentes
- Flexible en desarrollo, ya que las partes pueden desarrollarse de forma independiente y solo las interfaces (eléctricas, mecánicas, de software) deben permanecer compatibles. Pero incluso estas pueden serlo
- La plataforma robótica puede ser simple, incluso primitiva, y aun así muy funcional, ya que es solo una plataforma, un “tractor” o un “cohete”, sin “satélites” sofisticados
- Menor coste por robot
Inconvenientes:
- Integración más compleja. El robot consta de al menos dos partes: “tractor” y “equipo”
- Puede ser menos robusto, ya que el enfoque dividido tiene más variantes diferentes, es decir, se requieren más pruebas, se involucran más partes, etc.
Ejemplos de plataformas robóticas y cargas útiles/equipos
Plataformas robóticas:
- Plataforma de entrega autónoma. Es realmente como un tractor, pero puede transportar cosas diferentes: diferentes cargas útiles o diferentes equipos
- El propio dron
Carga útil o equipo:
- Brazos, por ejemplo, para coger una caja y colocarla en el robot
- La cesta en el robot
- La cámara en el robot o dron
- Todo tipo de medidores (químicos, de radiación, de ruido, etc.)
- Escáneres (3D, lectores de códigos de barras/QR, etc.)
- Equipos de prevención de incendios
- Sprays o lámparas anti-COVID y similares
Robótica de enjambre
Hacer que un solo robot conduzca de forma autónoma no es una tarea sencilla. Pero hacer que un enjambre de robots lo haga es aún más desafiante.
¿Cuáles son los desafíos?
- Cuando hay demasiados objetos en movimiento alrededor (otros robots), es más difícil para cada robot tomar decisiones porque el entorno se mueve de forma incontrolable e impredecible.
- Si los robots deben transmitir o recibir flujos separados desde un ordenador central, puede no haber suficiente ancho de banda de radio o de comunicación para atenderlos a todos.
- Dado que los robots son autónomos e independientes, pueden solicitar acceso de forma aleatoria a canales de comunicación compartidos. Si lo hacen y el ancho de banda del canal no es entre 10 y 100 veces superior al rendimiento máximo requerido, las probabilidades de colisión son altas. Por ello, se necesita un controlador central especial o un mecanismo para resolver las colisiones. Ambos aumentan la complejidad y generan otras limitaciones.
- Los robots obstruyen la visión mutua de los objetos del entorno. Los robots detectan a sus vecinos, mientras que los elementos de posicionamiento de referencia (como referencias fijas externas) no están realmente presentes.
¿Cuáles son las soluciones?
Marvelmind puede ayudar con la localización de robots en enjambres, que es el punto de partida y más crucial, porque si se resuelve adecuadamente, muchas otras dificultades de los enjambres de robots simplemente no se producen.
Vea ejemplos y soluciones de enjambres a continuación.
Conclusión
La página crecerá progresivamente en detalles y temas en función de sus preguntas y del tiempo disponible. Por ello, envíe sus preguntas a info@marvelmind.com y estaremos encantados de responderlas en detalle aquí.