自律ロボット向けインドアGPS：±2cm精度の屋内測位システム
ロボットナビゲーションにおいてエンジニアがUWBよりも超音波インドアGPSを選ぶ理由
自律移動ロボット、AMR、AGVには、GPSが提供できない屋内測位が必要です。Marvelmind超音波RTLSは±2cmの精度を実現し、UWBより10〜15倍高精度（10〜30cm）、Bluetoothより50倍高精度です。このシステムはUSB、UART、またはCANを介してXYZ座標を出力し、ネイティブのROSおよびROS2ドライバーにより、あらゆるロボットナビゲーションスタックへ即座に統合できます。ネイティブGPSプロトコルであるNMEA0183も標準でサポートされています。
お客様向けのクイックヒント
ロボットまたはAGVを製作しており、測位・ナビゲーションシステムとして何を選ぶべきか迅速に判断する必要がある場合は、以下をお選びください：
- スターターセット Super-MP-3D – 最もシンプルで汎用性の高い入門セット
- スターターセット Super-MP-3D + Super-Beacon – 位置＋方向が必要な場合
- スターターセット Super-MP-3D + Super-Beacon + 2 x Omni-マイクロフォン – カバーエリアが20×20mを超える開放空間の場合、または固定ビーコンが水平線から30度以下の角度に設置されている場合。この構成によりロボットを製作し、高度な走行能力を実現できます。当社のロボットBoxieはこの最も高性能で柔軟な構成を採用しています
はじめに
ロボット工学のさまざまなテーマについて、特に長年にわたって取り組んできた産業用途向けの精密な屋内測位に関して、多くのご質問をいただいてきました。そのため、最も典型的な質問をいくつか収集し、このページで回答しています。
ロボット工学は広大な分野です。非常に幅広く、かつ奥深い分野です。例えば：
- 自動運転モードのTeslaはロボットです
- DJI/PixHawk/Marvelmindの自律ドローンはロボットです
- Roomba掃除機はロボットです
- Marvelmind v100はロボットです
- Honda Asimoはロボットです
- Sony Aiboはロボットです
- 自律走行型広告ロボットはロボットです
- レゴのロボットでさえロボットです
近い将来、数百台ものロボットが身の回りに存在するようになるでしょう。それらは外見が大きく異なる場合があり、使用する技術の組み合わせも異なるため、すべてを網羅することは非常に困難です。ここではそれを目指しているわけではありません。
Marvelmind Roboticsとして、私たちが携わっているごく少数の分野のみを取り上げます：
- 産業用自律搬送
- 点検ロボット
- 倉庫内搬送
- 研究・大学向けロボットおよびロボットプラットフォーム
この記事の目的は、自分でロボットを製作する場合や、利用可能な選択肢の中から選ぶ場合に、どこから始めればよいかについてのヒントを提供することです。
ロボット、車両、AGV向けMarvelmindインドア「GPS」の活用
Marvelmind屋内測位システム（Marvelmind IPS）は、Marvelmindインドア「GPS」またはMarvelmind RTLSとも呼ばれ、さまざまな種類の自律ロボット、自律車両、AGV、フォークリフトにさまざまな用途で広く使用されています：
- 屋内外でのロボットの自律ナビゲーションおよび測位
- AGV、車両、フォークリフトの追跡
- ロボット、フォークリフト、人向けのジオフェンシングの提供
- ロボット工学の一般的な研究開発
- ロボット工学の教育およびコンペティション
- 群ロボット工学
自律ロボットやドローンの主要な用途のひとつが、自動スキャンおよび点検です。これは非常に重要でありながら反復的な作業であり、継続的な注意と精度が求められる予測可能なルーティン作業です。
機械はこのような作業を非常に得意としていますが、人間は疲労やミスを犯しやすい傾向があります。
もちろん、倉庫の屋内スキャンにドローンを使用するのはより洗練されたソリューションに見え、私たちも顧客や潜在顧客と週単位でこのテーマについて議論しています。しかし、今日の現実的な用途に確実に機能し、研究やイノベーションではなく実際のアプリケーションとして使用できるものを求めるなら、現時点ではスキャン用ロボットが最善の選択です。
ユースケース
自律ロボット向けインドアGPSを使うのは誰か、そして何のために
自律移動ロボットには、GNSSが屋内で提供できないセンチメートルレベルの屋内測位が必要です。Marvelmind超音波RTLSは、主に3つの主要な用途分野で活用されています：倉庫・工場でのロボット支援点検、研究・大学ロボット工学ラボ、産業施設でのAMR/AGVナビゲーションです。以下に最も一般的な実際の導入シナリオを示します。
ロボット支援点検および自動スキャン
自律ロボットスキャナーが倉庫の通路、工場フロア、または温室内で正確かつ再現性の高いルートをたどるには、信頼性の高い屋内測位システムが必要です。ハンドヘルド式バーコードリーダー、QRスキャナー、またはRFID機器による手動スキャンは、大規模になると低速で誤りが多く、コストがかかります。Marvelmindインドア GPSを搭載したロボットは、人間の歩行作業を代替し、毎日・毎時間・スケジュールに従って同じルートをスキャンします。±2cmの測位精度により、すべてのラベル、コード、またはRFIDタグがスキャナーの読み取り範囲内に確実に収まります。
当社の自動スキャン・点検ソリューションは、Boxieスキャナーロボットを中心に構築されています。これはコンパクトな自律プラットフォームで、カメラ、バーコードリーダー、QRスキャナー、RFIDリーダーなど、あらゆるスキャンペイロードを搭載できます。ロボットは自律的にナビゲートし、自身のバッテリーからペイロードに電力を供給し、±2cmの精度ですべてのスキャン位置を記録します。システムはオープンAPIを介してWMSおよびERPと統合できます。
ロボットスキャナー導入における主要な特徴：
- ±2cmの測位精度 - バーコード、QR、RFIDの予測可能な距離での読み取りに十分
- 2D追跡のみ必要 - ドローンベースのスキャンよりコストと複雑さが低い
- ロボットは充電間隔8、12、または16時間稼働 - パイロット不要、墜落リスクなし
- 複数のロボットが同一空間で同時に動作可能 - それぞれ独立して追跡
- 座標は地理参照済み - すべてのスキャンが正確なXYZ位置とタイムスタンプとともに記録される
適用環境：倉庫、物流センター、工場、組立工場、温室、空港貨物ターミナル。
研究・大学向け自律屋内ナビゲーション
大学、博士課程の学生、ポスドク研究者、および研究ラボは、Marvelmind屋内測位システムの最も積極的なユーザー層のひとつです。±2cmの精度、オープンAPI、ROS/ROS2ネイティブドライバー、および透明な価格設定の組み合わせにより、光学式追跡システムのコストや複雑さなしにグラウンドトゥルース測位を必要とするロボット工学研究に適しています。
このシステムは世界中の大学で、自律ロボットナビゲーション、群ロボット工学、ドローンオートパイロット研究、自律車両のドリフト制御、屋内考古学、人物追跡研究などに活用されています。屋内測位システムの独立した比較研究によると、Marvelmind IPSはコストの一部で光学式システムに匹敵する精度を提供し、UWBベースの代替手段を大幅に上回ることが結論付けられています。大学事例および発表済み研究論文の全リストをご覧ください。
研究チームがMarvelmindを代替手段よりも選ぶ理由：
- UWBより約10倍高精度（±2cm対10〜30cm）、BLEより約100倍高精度
- クラウド不要 - すべての測位はオンプレミスで計算され、データはラボ外に出ない
- 公開済みドライバーとコード例を備えた完全なROSおよびROS2サポート
- TurtleBot、カスタムAMR、ドローン、PixHawk、ArduPilot、Jetson、Arduinoと互換性あり
- オープンインターフェース：USB、UART、SPI、CAN、I2C - あらゆる研究プラットフォームと統合可能
- カスタマイズ可能なハードウェア、プロトコル、ソフトウェア - チームがエンドユーザーと直接対応
- 当日または翌営業日出荷 - 研究用ハードウェアの入荷を数週間待つ必要なし
Marvelmindを使用した主要な発表済み研究：UCバークレーでの自律ドリフトコーナリング、複数大学でのROSセンサーフュージョン、ドローンレフェリー（MSD 2017/18）、イスラエル発掘現場での屋内考古学測位、牛の屋内行動追跡、新型コロナ対策消毒スプレー散布ロボット。
倉庫・工場でのAMRおよびAGVナビゲーション
産業施設における自律移動ロボット（AMR）および自動搬送車（AGV）には、精密でスケーラブルかつインフラ安定性の高い屋内測位が必要です。床のQRコード（破損や遮断が発生しやすい）、SLAM（計算負荷が高くドリフトが蓄積する）、またはUWB（精度10〜30cmで狭い通路ナビゲーションには不十分）に基づくシステムとは異なり、超音波RTLSはドリフトがなく、照明に依存せず、1台のロボットから250台の同時走行車両までスケールする絶対±2cm XYZ測位を提供します。
Marvelmindは、123台の固定Super-Beaconを使用して120台以上のフォークリフトを同時追跡する450×450mのT字型倉庫を含む産業顧客向けの追跡システムを導入してきました。システムはUDPとオープンAPIを介してリアルタイムXYZ座標を顧客の分析プラットフォームにストリーミングし、各車両の現在位置に基づく自動ジョブ割り当てを実現しました。2番目の導入事例では、14台の固定ビーコンで10台のフォークリフトを追跡しました。両システムともMarvelmindによって遠隔で導入されました。全ケーススタディをご覧ください。
AMRおよびAGV導入における主要な利点：
- 単一の1,000m²サブマップからネットワーク接続されたサブマップによる無制限のマルチビルエリアまでカバー可能
- 最大250台のモバイルロボットを個別±2cm精度で同時追跡
- 床の改修不要 - ビーコンは高さ3〜4mの壁または天井に設置
- USB、UART、SPI、CAN、またはUDP経由で出力 - 既存のフリート管理システムと統合可能
- 精度はロボットの速度や更新レートに依存しない - 技術的な説明を参照
- 粉塵が多く、温度変化があり、電気的ノイズの多い産業環境でも動作
適用タスク：自律搬送、ゾーン間輸送、ピッキング支援、自動在庫カウント、安全ゾーン管理、マルチロボット連携。
どのMarvelmindスターターセットを選ぶべきか？
詳細を調べる時間はないが、迅速かつ安全に選択する必要がある場合は、スターターセット Super-MPをお選びください：
- MPはマルチパーパス（多目的）の略です。このセットは実際に複数のアーキテクチャと複数の構成をサポートしており、最高の柔軟性を提供します：
- – 最大2サブマップでの2D追跡
- – 最大3台のモバイルビーコン（ロボット）での2D追跡
- – 位置＋方向での2D追跡
- – 最大4台のモバイルビーコンでの1D追跡
- スターターセット Super-MPは異なるアーキテクチャをサポートしています：NIA、IA、MF NIA
- ビーコンには900〜1000 mAhのLiPoバッテリーが内蔵されており、外部電源なしで簡単かつ迅速にシステムを展開できます
- ビーコンには外部アンテナがあり、モデムとのより堅牢な無線接続を実現します
- Super-Beaconは超音波を受信・送信できます。そのため、固定ビーコンとモバイルビーコンの両方として機能できます
- Super-BeaconにはDSP（デジタルシグナルプロセッサ）が内蔵されています。そのため、複数の超音波チャンネルを同時に受信し、IAで動作できます
- Super-BeaconにはIMU（3Dジャイロ＋3D加速度センサー）が搭載されています
1台のロボットに1台のモバイルビーコンを搭載すると、位置情報のみが得られることに注意してください。位置と方向の両方を得るには、ペアドビーコン構成（ロボット1台につき2台のモバイルビーコン）が必要です。次のバリアントをご覧ください。
位置＋方向を実現するには、ロボット1台につき複数のモバイルビーコンが必要です。そのため、最も簡単な方法はスターターセット Super-MPに追加のSuper-Beaconを加えることです。
ロボット工学の基礎
用語集
ロボット＝自律移動ロボット
私たちがロボットと呼ぶのは、まず第一に自律移動ロボットです。人間が直接操作するものはロボットではありません。移動しないがすべてのロボット要素を備えているものはロボットですが、私たちは組立ロボットには焦点を当てていません。私たちのロボットは：
- 自律的
- 移動可能
したがって、ロボットについて言及する際に長い表現を使わない場合でも、自律移動ロボットを意味しています。
この観点から、自律飛行するコプターは完璧な3D移動ロボットです。ドローンの詳細についてはドローンページをご覧ください。しかし、遠隔操作のドローンはロボットではありません。一方、RTK GPSや視覚誘導を使用して自律的にベースに帰還する同じドローンは、完璧な3D飛行ロボットです。
ロボット向け精密屋内測位・ナビゲーションの事例
自律搬送ロボット - 自動車組立工場デモ
Marvelmind自律搬送ロボット v100。
インドア「GPS」カバレッジのために15台の固定ビーコンと1台のモデムによるIA構成。詳細：https://youtu.be/TWWg_8JHYzo
同じインドア「GPS」マップは、動画に示されたロボットに加えて以下もサポートします：
- 複数のモバイルロボットとフォークリフトの追跡、および人物追跡。合計で固定＋モバイル合わせて最大250台のビーコン／物体
詳細な説明付きロボット v100 事例
これはhttps://youtu.be/TWWg_8JHYzoと同じデモですが、動画の内容とシステム全般について説明する音声コメントが追加されています。
構成：
- Marvelmind自律搬送ロボット：https://youtu.be/efOc-ItVvgg
- インドア「GPS」カバレッジのために15台の固定ビーコンと1台のモデムによるIA構成。
ロボットの仕様：
- Marvelmindインドア「GPS」がカバーする任意のポイント間での完全自律搬送
- 最大100kgのペイロード
- 1回の充電で16時間以上の走行：https://youtu.be/JaxRd_9D1fQ（60kg以上のペイロード搭載時）
- 自動障害物回避・検出
- 配送ルートはボタン1クリックで1秒以内に再設定可能
- 充電時間は4時間未満。2シフト稼働（16時間）と1シフト（8時間）充電に対応
- 再設定可能な容量：65×65×160cmの大型ボックス1個から65×65×15cmのボックス最大8個まで（1段棚対複数段棚）
- 同じインドア「GPS」マップがサポートするもの：
- 複数のモバイルロボットとフォークリフトの追跡および人物追跡。合計で固定＋モバイル合わせて最大250台のビーコン／物体。
ロボット Boxie
- IAモデムと2台の外部Omni-マイクロフォンを使用したペアドビーコン構成の位置＋方向のためのモバイルビーコンがロボットに取り付けられているのが確認できます
- 2D追跡用の固定ビーコンが壁に設置されています
Marvelmindインドア「GPS」を使用した完全自律走行ロボット
完全自律ロボットが以下を頼りに自力で走行しています：
- Marvelmindインドア「GPS」
- オンボードオドメトリおよび慣性ユニット（IMU）
ロボットはユーザーから訪問すべきキーポイントの座標を受け取り（右側の表）、パスを作成してポジションを常にパスに対して修正しながら追従します。座標はDashboardでマップをクリックするだけで自動的に設定されます。
ビーコン間の距離は最大36メートルです。20〜30メートルごとにビーコンを追加設置することで、キャンパス全体を精密な「GPS」でカバーすることができます。
オフィス環境で完全自律走行する小型搬送ロボットのデモ
完全自律走行ロボットのデモ：「8の字」コース
Marvelmind屋内ナビゲーションシステム＋自律ロボットMarvelmind Hermesデモ：
- 「8の字」（7×2m）コース
- 80m²の部屋に展開されたMarvelmind屋内ナビゲーションシステムスターターセットによる完全自律走行
モバイルビーコンがロボットの上部に取り付けられています。ロボットはMarvelmind IPSから±2cmの精度で座標を受け取り、それを使用してコースを自律的に走行します。
実際の環境を模した意図的な軽度の障害（柱、クッション付きスツール）が屋内ナビゲーションシステムの障害として設けられています。影の中にいる間、ロボットは慣性ナビゲーションシステムとオドメーターに頼ります。
Marvelmindインドア「GPS」による位置・方向測定を使用したドミノロボット
Marvelmind屋内ナビゲーションシステムが、独創的なドミノ配置ロボットに採用されました。このシステムは精密な位置と方向の測定に使用されており、最高の方向精度を実現するためにベース部分にモバイルビーコンが配置されているのがわかります。
オリジナル動画もご覧ください：世界記録ドミノロボット（24時間で10万個のドミノ）
ロボット工学ソリューション
自己位置推定
すべての自律ロボットにとって最大の問題のひとつは、「自分はどこにいるのか？」という質問に答えることです。この質問はすぐにいくつかのサブ質問に展開されます：
- 現時点での予想位置に対して自分はどこにいるか？
- 次のウェイポイントに対して自分はどこにいるか？
- 他の物体（ロボット、人、障害物、充電ステーションなど）に対して自分はどこにいるか？
しかし、すべては何らかの基準点に対する自己位置推定から始まります。例えば（0,0,0）座標、または出発点などです。他の多くの質問はその主要な質問から派生しています。
何に対して位置を推定するか？
主なオプションがいくつかあります：
- 自分自身を基準に – 例えばロボットの中心
- 外部の基準点を基準に
自分自身を基準にする方法は多くの場合よりシンプルですが、それは空間内の移動とナビゲーションよりも障害物の検出と回避に関するものです。外部基準に対する測位とナビゲーションについて詳しく説明しましょう。
座標系の詳細については以下をご覧ください：
なぜSLAMではないのか？
SLAM（自己位置推定と地図作成の同時実行）は優れた手法です。しかし、倉庫、組立工場、構内物流などの現実的な産業用途には最も適した手法ではないように思われます。実用的な用途よりも研究プロジェクトや博士論文に適しています。その理由は：
- タスクを2つの段階に分割する方が単純に効率的です：1）マッピング、2）自己位置推定
- 障害物の検出と回避はマッピングや自己位置推定とはまったく別のことです。それは3番目の点です。単純に別のタスクであり、異なる方法で解決する必要があります。LIDARは障害物検出に適していますが、マッピングには特に適していません。移動する環境では、LIDARを使用するロボットは多くの追加情報が必要になるか、多くのミスを犯すことになります
- LIDARについて述べた同じ制限が視覚SLAMシステムにも当てはまります。これらは混乱し、重大なミスに対して他の手法に頼らざるを得ません
- 一般的に、センサーフュージョンが最良のアプローチであり、最良の結果をもたらします
つまり、簡単に言えば：
- SLAMは優秀ですが、保証されない結果を返す一方で不必要に複雑です
- 同じ操作を時間的に分離すること（マッピングは自己位置推定とは別であり、障害物検出・回避とも異なる）は、より堅牢で予測可能な結果をもたらします。特に複数の移動物体に対してコストが低く抑えられます。SLAMでは各知的エージェントが非常に高性能である必要があり、つまりコストが高く、複雑で、大型で、多くのセンサーを必要とし、電力消費も多くなります
自己位置推定：インサイドアウト、インサイドイン、またはその組み合わせ？
ロボットが自己位置推定に必要なものをすべてオンボードで搭載している場合、それはインサイドアウト自己位置推定です。人間や動物はインサイドアウト自己位置推定を使用しています。私たちはそれについて話すだけでなく、一般的に自分がどこにいるかを座標の継続的なストリームとして直接かつ常時把握する必要はありません。さまざまな手がかりをもとに「内側」で判断します。
このプロセスをビジュアルオドメトリと呼ぶ人もいます。もちろん、通常の車輪（足）ベースのオドメトリと組み合わせることでより効果的に機能します。だからこそ、単なるナビゲーションシステムを作るよりも、ナビゲーションシステムを搭載したロボットを作る方が簡単なのです。そのような「汎用測位システム」の開発者は苦労するでしょう。なぜならオドメーターからのデータは、実質的にどんなフォーマットにもなりえるからです。異なる値を持つアナログ形式や、未知のフォーマットでデジタル符号化されている場合もあります。分解能が全く異なる場合もあり、他の多くのパラメータも異なる可能性があります。
したがって、ロボット内のほとんどのシステムは本質的に連携しています。ロボットを設計する際は最初からこのことを理解し考慮する必要があります。
理論的には、50Ωの高周波システムに遠く似たコンバーターを実装することも可能かもしれません。受信機、アンテナ、アンプ、送信機は大幅に異なるインピーダンスを持つ場合があります。しかし、人々は50Ωという共通インピーダンスに合意しました。そのため、すべてのユニットはインピーダンスを50Ωに変換し、また50Ωから内部インピーダンスに変換します。はい、損失、複雑さ、コストをもたらしますが、無線周波数分野で最も機能するソリューションであることが証明されました。同様のことをここでも実装できるかもしれません。
ロボットに対してそれは実現できるかもしれません…しかし、実現されていません。確かに「ユニバーサルインターフェース」があります – USBのように…なぜUSBのフォーマットがこんなに多いのでしょうか？… 🙂 そしてなぜ他にもさまざまな種類のインターフェースがあるのでしょうか？ – コストの問題や、複雑さ、消費電力、サイズなどの重要な制約があるからです。
その結果、ユニバーサルインターフェースは遠く実現しがたいものに留まっています。現実はかなり混乱しており、ロボットの種類ごとに独自のものがあります。
基準点の選択
GPSの場合、座標は地球の緯度と経度で利用可能です。例えばロボットが屋内から移動する場合など、これが役立つ場合もあります。しかし、屋内の実際の用途の大部分では、ローカル座標のみが必要です。
したがって、都合に合わせて選択します。Marvelmindインドア「GPS」では通常、システムが固定ビーコンのひとつを（0,0,0）または（0,0）として割り当てます。ただし、マップ上の任意のポイントを（0,0）として設定することも可能です：
さらに、ジオリファレンシングも可能で、内部の(0,0)ポイントに外部GPS座標を割り当てることができます。その後、Marvelmind屋内「GPS」からの座標ストリームは、NMEA0183形式の絶対GPS座標で出力されます。または内部フォーマットで：https://marvelmind.com/pics/marvelmind_interfaces.pdf
方向
屋外では磁力計/コンパスが利用できますが、屋内での方向計算、特に静止状態での計算は容易ではありません。例えば、ロボットは当社のシステムを使用して正確な位置を把握することができます。しかし、ロボットが現在の方向、つまりどちらを向いているかを把握していなければ、どこへ進むべきか判断することは困難です。
ロボットの方向を比較的素早く計算する方法としては、現在位置を計測し、IMU/ジャイロを使用して直線方向を保ちながら約1m直進し、新しい位置を計測して、2点間の経路が曲線ではなく直線であることを把握することで、ロボットの現在の方向を算出することが可能です。その後の走行中も同じ手法を継続的に使用します。
以下の古いロボットはこのアプローチを採用しています：
この方法はシンプルで、モバイルビーコン（タグ）が1つあれば実現できますが、走行できる場合にのみ機能します。移動できない状況でその場での位置特定が必要な場合（静止状態）はどうすればよいでしょうか？
ペアビーコン
静止状態で方向を取得するために当社が推奨する方法は、ペアビーコン構成を使用することです。
詳細はこちらをご覧ください。NIAの場合：
別の例として、モバイルビーコン間のベース距離が約60cmの自律走行ロボットv100があります。IAの場合：
単一のモバイルビーコンに外部マイクを搭載した類似の構成です。VR向けに開発されましたが、ロボットにも容易に応用できます。マイク間のベース距離は約20cmです。IAの場合：
各ソリューションには多くの代替手段があります。例えば、外部カメラによるモーションキャプチャーがあります。位置と方向の両方において、精度が高く適切なソリューションでしょうか？ — もちろんです！しかし、産業用ロボティクスに実用的かと言えば、そうではありません：
- コストが高い。非常に高い（2021年時点）
- 工場や倉庫の過酷な環境向けに調整されていない
- 光量不足、過度に強い光、霧、温度変化、電源供給など、多くの制限を受けやすい
そのため、ここではすべての可能な選択肢を取り上げるわけではありません。比較的関連性が高く、実装可能なものに絞って紹介します。
障害物検知と回避
障害物検知と回避はローカリゼーションとは別のタスクです
上述のように、SLAMアプローチは障害物検知、マッピング、ローカリゼーションを同時に実現することを約束しています。夢のように聞こえますが、現実はより厳しく、思うようにはいきません。
照明が不十分で、窓から差し込む強い太陽光と倉庫の非常に暗い影が混在し、ヘッドライトから各種スキャナーまでさまざまな光源が存在する実際の環境では、視覚ベースのSLAMソリューションはローカリゼーションを完全に失うほど容易に混乱することがあります。SLAMシステムが異なる選択肢を正しく判断できない場合、重大なエラーを修正するための追加手法が必要です。センサーフュージョンがその解決策です。
さらに、ローカリゼーションのタスクを技術的・経済的に最適に解決する場合でも、タスクと要件の性質が根本的に異なるため、障害物検知のタスクを最適に解決することはより困難です：
しかし、SLAMアプローチはマッピングとローカリゼーションの上に障害物検知を加えることで、タスクを不必要に複雑にしています：
- マッピング
- ローカリゼーション
- 障害物検知
この3つの要素はすべて自律走行に不可欠ですが、同一である必要はありません。同じ手法で、同じセンサーによって実現される必要もありません。
統合型ロボットアプローチと分離型ロボットアプローチ
重要なポイントの一つは、ロボットとそのペイロードを明確に区別することです。これはロケットと衛星の関係と非常によく似ています。両者はまったく別物であり、混同すべきではありません。トラクターとトラクター搭載機器の関係も同様です。
統合型ロボットアプローチ
重要なポイントの一つは、ロボットとそのペイロードを明確に区別することです。これはロケットと衛星の関係と非常によく似ています。両者はまったく別物であり、混同すべきではありません。トラクターとトラクター搭載機器の関係も同様です。
しかし多くの場合、ロボットは完全に統合されており、ペイロードがロボットと緊密に一体化されています。統合型ロボティクスアプローチにはメリットとデメリットがあります。
メリット：
- 1つのタスクに特化して調整されているため、構築が容易な場合がある。非常に集中的
- 操作や統合がシンプル
デメリット：
- 柔軟性がない
- 柔軟性の欠如と、異なるタスクに対して複数の異なるロボットが必要になるため、長期的にはコストが高くなる可能性がある
分離型ロボットアプローチ
メリット：
- 使用において柔軟性がある。限られた数のロボットプラットフォームと限られた種類の搭載機器で、事実上無制限の異なる構成が可能
- 開発において柔軟性がある。各部品を独立して開発でき、インターフェース（電気、機械、SW）の互換性を維持するだけでよい。ただし、それらも変更可能
- ロボットプラットフォームはシンプル、さらには原始的であっても十分に機能する。なぜなら、高度な「衛星」を持たない単なるプラットフォーム、「トラクター」や「ロケット」だから
- ロボット1台あたりのコストが低い
デメリット：
- 統合がより複雑。ロボットは少なくとも「トラクター」と「機器」の2つのパーツで構成される
- 分離型アプローチはより多くの異なるバリアントを持つため、堅牢性が低下する可能性がある。つまり、より多くのテストが必要で、より多くの関係者が関与するなど
ロボットプラットフォームとペイロード/機器の例
ロボットプラットフォーム：
- 自律配送プラットフォーム。まさにトラクターのようなものですが、異なるものを運搬できます — 異なるペイロードや異なる機器
- ドローン本体
ペイロードまたは機器：
- 例えば箱を持ち上げてロボットに載せるためのアーム
- ロボット上のバスケット
- ロボットまたはドローン上のカメラ
- 各種計測器（化学、放射線、騒音など）
- スキャナー（3D、バーコード/QRリーダーなど）
- 防火機器
- 抗COVID スプレーまたはランプなど
群れロボティクス（スウォームロボティクス）
単一のロボットを自律走行させることは容易ではありません。しかし、ロボットの群れを制御することはさらに困難です。
課題は何ですか？
- 周囲に移動する物体（他のロボット）が多い場合、環境が予測困難かつ制御不能に動くため、各ロボットの意思決定がより難しくなります。
- ロボットが中央のコンピューターに対してストリームを送受信する必要がある場合、すべてのロボットに対応するための十分な無線帯域幅が確保できない可能性があります。
- ロボットが自律的かつ独立しているため、共有の通信チャンネルへのアクセスをランダムに要求することがあります。チャンネルの帯域幅がピーク時に必要なスループットの10〜100倍でなければ、衝突の可能性が高くなります。そのため、衝突を解決するための特別な中央コントローラーまたはメカニズムが必要となり、複雑さが増し、他の制限も生じます。
- ロボットは互いに周囲の物体の視界を遮ります。ロボットは隣接するものを認識しますが、外部の固定基準点のような位置特定の対象は実際にはほとんどありません。
解決策は何ですか？
Marvelmindは、群れ内のロボットのローカリゼーションを支援することができます。これは最も重要な出発点であり、適切に解決されれば、ロボット群れの他の多くの困難は自然と解消されます。
以下に群れの例と解決策をご覧ください。
まとめ
このページは、皆様からのご質問と当社の対応可能な時間に基づいて、詳細と内容が継続的に充実していきます。ぜひご質問をinfo@marvelmind.comまでお送りください。喜んでこちらで詳しくお答えします。