GPS Interno para Robôs Autônomos: Sistema de Posicionamento Interno com Precisão de ±2cm
Por Que Engenheiros Escolhem GPS Interno por Ultrassom em Vez de UWB para Navegação de Robôs
Robôs móveis autônomos, AMRs e AGVs necessitam de posicionamento interno que o GPS não consegue fornecer. O RTLS por ultrassom da Marvelmind oferece precisão de ±2cm — 10 a 15 vezes mais preciso que UWB (10–30cm) e 50 vezes mais preciso que Bluetooth. O sistema fornece coordenadas XYZ via USB, UART ou CAN, com drivers nativos para ROS e ROS2 para integração imediata em qualquer pilha de navegação de robôs. O protocolo GPS nativo — NMEA0183 — também é suportado nativamente.
Dicas rápidas para nossos clientes
Se você está construindo um robô ou um AGV e precisa decidir rapidamente qual sistema de posicionamento e navegação escolher, opte pelo seguinte:
- Starter Set Super-MP-3D – o kit mais simples e versátil para começar
- Starter Set Super-MP-3D + Super-Beacon – se você deseja Localização+Direção
- Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Microfones – se sua área for maior que 20x20m de espaço aberto ou se seus beacons estacionários estiverem a 30 graus do horizonte ou abaixo. Você poderá construir robôs com esse tipo de capacidade de condução. Nosso robô Boxie utiliza esta configuração por ser a mais avançada e flexível
Mas e se você precisar cobrir um grande armazém ou uma planta industrial (10.000–100.000m²) com dezenas de robôs? Isso é possível? – com facilidade! Basta adicionar mais submapas com mais beacons estacionários para maior cobertura e mais beacons móveis para rastrear mais objetos móveis. Mais informações sobre submapas estão disponíveis na página de Downloads.
Introdução
Fomos questionados muitas vezes sobre nossa opinião em diferentes temas de robótica — antes de tudo, sobre posicionamento interno preciso para aplicações industriais, é claro, já que atuamos nessa área há muitos anos — mas não só isso. Por isso, reunimos algumas das perguntas mais comuns e as respondemos nesta página.
A robótica é um campo vasto. Muito amplo e profundo ao mesmo tempo. Por exemplo:
- Um Tesla em modo de direção autônoma é um robô
- Um drone autônomo DJI/PixHawk/Marvelmind é um robô
- O aspirador de pó Roomba é um robô
- O Marvelmind v100 é um robô
- O Honda Asimo é um robô
- O Sony Aibo é um robô
- Um robô publicitário com direção autônoma é um robô
- Até mesmo um robô de Lego é um robô
Em breve, haverá centenas de robôs ao nosso redor. Eles podem ser muito diferentes em aparência; podem usar diferentes combinações de tecnologias, o que tornaria bastante difícil abordá-los todos. Certamente não é esse o nosso objetivo aqui.
Cobrimos apenas algumas áreas nas quais nós, como Marvelmind Robotics, atuamos:
- Entrega autônoma industrial
- Robótica de inspeção
- Entrega em armazéns
- Robôs ou plataformas robóticas para pesquisa ou universidades
O propósito deste artigo é dar uma ideia de por onde começar ao construir seu robô ou escolher entre as opções disponíveis.
Usando o "GPS" Interno Marvelmind para robôs, veículos e AGVs
O sistema de posicionamento interno da Marvelmind (Marvelmind IPS), também conhecido como “GPS” Interno Marvelmind ou Marvelmind RTLS, é amplamente utilizado para diferentes tipos de robôs autônomos, veículos autônomos, AGVs e empilhadeiras para diversos fins:
- Navegação e posicionamento autônomos para robôs em ambientes internos e externos
- Rastreamento de AGVs, veículos ou empilhadeiras
- Fornecimento de geo-cercamento para robôs, empilhadeiras e pessoas
- Pesquisa e desenvolvimento geral em robótica
- Educação e competições de robótica
- Robótica de enxame
Uma das principais tarefas para robôs autônomos e drones é a varredura e inspeção automatizadas — uma tarefa muito importante, porém repetitiva, com uma rotina previsível que exige atenção constante e precisão.
É exatamente o que as máquinas fazem muito bem, enquanto os humanos estão sujeitos ao cansaço e aos erros.
Claro que drones para varredura interna em armazéns parecem uma solução mais sofisticada, e discutimos isso com nossos clientes e potenciais clientes semanalmente. No entanto, se você quer algo prático que funcione de forma confiável e possa ser utilizado em aplicações reais hoje — não para pesquisa e inovação — então robôs para varredura devem ser sua escolha no momento.
Casos de Uso
Quem Usa GPS Interno para Robôs Autônomos — e Para Quê
Robôs móveis autônomos requerem posicionamento interno em nível centimétrico que o GNSS não consegue fornecer em ambientes internos. O RTLS por ultrassom da Marvelmind é utilizado em três grandes áreas de aplicação: inspeção assistida por robôs em armazéns e fábricas, laboratórios de robótica em universidades e centros de pesquisa, e navegação de AMRs/AGVs em instalações industriais. A seguir, os cenários de implantação mais comuns no mundo real.
Inspeção Assistida por Robôs e Varredura Automatizada
Robôs varrededores autônomos requerem um sistema de posicionamento interno confiável para seguir rotas precisas e repetíveis por corredores de armazéns, pisos de fábricas ou estufas. A varredura manual com leitores de código de barras portáteis, scanners de QR ou equipamentos RFID é lenta, sujeita a erros e cara em larga escala. Um robô equipado com o GPS Interno Marvelmind substitui o deslocamento humano — varrendo a mesma rota diariamente, por hora ou conforme programação, com precisão posicional de ±2cm que garante que cada etiqueta, código ou tag RFID esteja dentro do alcance de leitura do scanner.
Nossa solução de varredura e inspeção automatizadas é construída em torno do robô Boxie Scanner — uma plataforma autônoma compacta que transporta qualquer carga de varredura: câmeras, leitores de código de barras, scanners de QR ou leitores RFID. O robô navega de forma independente, fornece energia à carga útil a partir de sua própria bateria e registra a posição de cada varredura com precisão de ±2cm. O sistema se integra a WMS e ERP via API aberta.
Principais dados para implantações de robôs varrededores:
- Precisão de posição de ±2cm — suficiente para leitura de código de barras, QR e RFID a distância previsível
- Apenas rastreamento 2D necessário — menor custo e complexidade em relação à varredura por drones
- O robô opera por 8, 12 ou 16 horas entre cargas — sem necessidade de operador, sem risco de colisão
- Múltiplos robôs podem operar simultaneamente no mesmo espaço — cada um rastreado de forma independente
- Coordenadas georreferenciadas — cada varredura é registrada com posição XYZ exata e carimbo de data/hora
Ambientes aplicáveis: armazéns, centros logísticos, fábricas, plantas de montagem, estufas, terminais de carga aeroportuários.
Saiba mais sobre soluções de varredura e inspeção automatizadas →
Navegação Interna Autônoma para Pesquisa e Universidades
Universidades, estudantes de doutorado, pós-doutorandos e laboratórios de pesquisa estão entre os usuários mais ativos do sistema de posicionamento interno da Marvelmind. A combinação de precisão de ±2cm, API aberta, drivers nativos para ROS/ROS2 e preços transparentes torna o sistema bem adequado para pesquisas em robótica que exigem posicionamento de referência sem o custo e a complexidade dos sistemas de rastreamento óptico.
O sistema tem sido utilizado em universidades de todo o mundo para navegação autônoma de robôs, robótica de enxame, pesquisa de piloto automático para drones, controle de derrapagem em veículos autônomos, arqueologia interna e pesquisas de rastreamento de pessoas. Uma comparação publicada de forma independente de sistemas de posicionamento interno concluiu que o Marvelmind IPS oferece precisão competitiva com sistemas ópticos a uma fração do custo, superando significativamente as alternativas baseadas em UWB. Veja a lista completa de casos universitários e artigos de pesquisa publicados.
Por que equipes de pesquisa escolhem Marvelmind em vez de alternativas:
- ~10x mais preciso que UWB (±2cm vs. 10–30cm), ~100x mais preciso que BLE
- Sem necessidade de nuvem — todo o posicionamento é calculado localmente, nenhum dado sai do laboratório
- Suporte completo a ROS e ROS2 com drivers publicados e exemplos de código
- Compatível com TurtleBot, AMRs personalizados, drones, Pixhawk, ArduPilot, Jetson, Arduino
- Interfaces abertas: USB, UART, SPI, CAN, I2C — integra-se a qualquer plataforma de pesquisa
- Hardware, protocolos e software personalizáveis — a equipe trabalha diretamente com os usuários finais
- Envio no mesmo dia ou no próximo dia útil — sem semanas de espera pelo hardware de pesquisa
Pesquisas publicadas de destaque usando Marvelmind: curvas em derrapagem autônoma na UC Berkeley, fusão de sensores ROS em diversas universidades, Árbitro de Drones (MSD 2017/18), posicionamento arqueológico interno em sítios de escavação israelenses, rastreamento de atividade de bovinos em ambientes internos, robô de distribuição de spray anti-COVID.
Veja a página completa de soluções universitárias e exemplos de pesquisa →
Navegação de AMRs e AGVs em Armazéns e Fábricas
Robôs móveis autônomos (AMRs) e veículos guiados automatizados (AGVs) em instalações industriais requerem posicionamento interno preciso, escalável e estável em termos de infraestrutura. Ao contrário de sistemas baseados em códigos QR no chão (facilmente danificados ou obstruídos), SLAM (computacionalmente complexo e com acúmulo de deriva) ou UWB (precisão de 10–30cm, insuficiente para navegação em corredores estreitos), o RTLS por ultrassom fornece posicionamento XYZ absoluto de ±2cm que não apresenta deriva, não depende de iluminação e escala de um único robô a 250 veículos simultâneos.
A Marvelmind implantou sistemas de rastreamento para clientes industriais, incluindo um armazém em formato T de 450×450m com mais de 120 empilhadeiras rastreadas simultaneamente usando 123 Super-Beacons estacionários. O sistema transmitia coordenadas XYZ em tempo real para a plataforma de análise do cliente via UDP e API aberta, permitindo a alocação automática de tarefas com base na localização atual de cada veículo. Uma segunda implantação rastreou 10 empilhadeiras em 14 beacons estacionários. Ambos os sistemas foram implantados remotamente pela Marvelmind. Veja os estudos de caso completos.
Principais vantagens para implantações de AMRs e AGVs:
- Cobertura de um único submapa de 1.000 m² a áreas multi-edificação ilimitadas via submapas em rede
- Até 250 robôs móveis rastreados simultaneamente com precisão individual de ±2cm
- Sem modificações no piso — os beacons são instalados em paredes ou teto a 3–4m de altura
- Saída via USB, UART, SPI, CAN ou UDP — integra-se a qualquer sistema de gerenciamento de frota existente
- A precisão é independente da velocidade do robô ou da taxa de atualização — veja a explicação técnica
- Funciona em ambientes industriais com poeira, variação de temperatura e ruído elétrico
Tarefas aplicáveis: entrega autônoma, transporte entre zonas, assistência à separação de pedidos, contagem automatizada de inventário, cumprimento de zonas de segurança, coordenação multi-robô.
Qual kit inicial Marvelmind escolher?
Se você não tem tempo para estudar os detalhes, mas precisa escolher de forma rápida e segura, escolha o Starter Set Super-MP:
- MP significa Multiuso. O kit realmente suporta múltiplas arquiteturas e múltiplas configurações, oferecendo assim a maior flexibilidade:
- – Rastreamento 2D com até 2 submapas
- – Rastreamento 2D com até 3 beacons móveis (robôs)
- – Rastreamento 2D com Localização+Direção
- – Rastreamento 1D com até 4 beacons móveis
- O Starter Set Super-MP suporta diferentes arquiteturas: NIA, IA e MF NIA
- Os beacons possuem uma bateria LiPol de 900–1000 mAh interna, o que permite implantar o sistema de forma fácil e rápida sem fonte de alimentação externa
- Os beacons possuem antenas externas — conectividade de rádio mais robusta com o modem
- Os Super-Beacons podem receber e transmitir ultrassom. Portanto, podem funcionar como beacons estacionários e móveis
- Os Super-Beacons possuem DSP (processador de sinal digital) interno. Assim, podem receber vários canais de ultrassom simultaneamente e operar em IA
- Os Super-Beacons possuem IMU (giroscópio 3D + acelerômetro 3D)
Lembre-se de que um beacon móvel por robô fornece apenas uma localização. Para localização e direção, você precisa da configuração de Beacons Pareados — dois beacons móveis por robô. Veja a variante a seguir.
Para Localização+Direção, você precisa de mais de um beacon móvel por robô. Portanto, a maneira mais fácil é adicionar ao Starter Set Super-MP um Super-Beacon adicional.
Robótica. Conceitos Básicos
Terminologia
Robô = robô móvel autônomo
Chamamos de robôs, antes de tudo, os robôs móveis autônomos. Qualquer coisa que seja diretamente guiada por humanos não é um robô. Qualquer coisa que não seja móvel, mas que possua todos os elementos robóticos, é um robô, porém não nos concentramos em robôs de montagem. Nossos robôs são:
- Autônomos
- Móveis
Portanto, nos referimos a robôs móveis autônomos mesmo quando não usamos essa terminologia extensa ao mencionar robôs.
Sob essa perspectiva, um helicóptero voando de forma autônoma é um perfeito robô com movimento 3D — saiba mais sobre drones em nossa página de Drones. Mas um drone controlado remotamente não é um robô. No entanto, o mesmo drone retornando de forma autônoma à base usando GPS RTK ou orientação visual é um perfeito robô voador 3D.
Exemplos de posicionamento e navegação internos precisos para robôs
Robô de Entrega Autônoma — demonstração em planta de montagem de automóveis
Robô de Entrega Autônoma Marvelmind v100.
IA com 15 beacons estacionários e um modem para cobertura de “GPS” Interno. Saiba mais: https://youtu.be/TWWg_8JHYzo.
O mesmo mapa de “GPS” Interno suporta, além do robô mostrado no vídeo:
- Rastreamento de múltiplos robôs móveis e empilhadeiras, bem como rastreamento de pessoas. No total — até 250 beacons/objetos — estacionários e móveis combinados
Exemplo do robô v100 com explicações detalhadas
Esta é a mesma demonstração de https://youtu.be/TWWg_8JHYzo, mas com comentários verbais adicionais explicando o que está no vídeo e no sistema em geral.
Configuração:
- Robô de Entrega Autônoma Marvelmind: https://youtu.be/efOc-ItVvgg
- IA com 15 beacons estacionários e um modem para cobertura de “GPS” Interno.
Especificações do robô:
- Entrega totalmente autônoma entre quaisquer pontos cobertos pelo “GPS” Interno Marvelmind
- Capacidade de carga útil de até 100kg
- Tempo de operação superior a 16h com uma única carga: https://youtu.be/JaxRd_9D1fQ com carga útil de 60+kg
- Detecção e desvio automático de obstáculos
- A rota de entrega pode ser reconfigurada com um clique em 1 segundo
- Tempo de carregamento inferior a quatro horas. Assim, é possível trabalhar em 2 turnos (16h) com um turno de carregamento (8h)
- Capacidade reconfigurável: 1 caixa grande de até 65x65x160cm a até 8 caixas de 65x65x15cm — uma prateleira ou múltiplas prateleiras
- O mesmo mapa de “GPS” Interno suporta:
- Rastreamento de múltiplos robôs móveis e empilhadeiras e rastreamento de pessoas. No total — até 250 beacons/objetos — estacionários e móveis combinados.
Robô Boxie
- Beacons móveis na configuração de Beacons Pareados para Localização + Direção em modem IA com dois Omni-Microfones externos podem ser vistos instalados no robô
- Beacons estacionários para rastreamento 2D estão instalados nas paredes
Robô dirigindo de forma totalmente autônoma usando o "GPS" Interno Marvelmind
Um robô totalmente autônomo se locomove por conta própria, apoiando-se em:
- “GPS” Interno Marvelmind
- Odometria embarcada e unidades inerciais (IMU)
O robô recebe do usuário as coordenadas dos pontos-chave a visitar (tabela à direita) e, em seguida, cria e segue o caminho corrigindo constantemente sua posição em relação à rota. As coordenadas são geradas automaticamente no Dashboard com um simples clique no mapa.
As distâncias entre os beacons chegam a 36 metros. É possível cobrir todo um campus com “GPS” preciso instalando mais beacons a cada 20–30 metros.
Robô de entrega pequeno e totalmente autônomo se movendo em ambiente de escritório
Demonstração de robô totalmente autônomo: percurso em "laço 8"
Demonstração do Sistema de Navegação Interna Marvelmind + robô autônomo Marvelmind Hermes:
- Percurso em “laço 8” (7x2m)
- Condução totalmente autônoma com o Kit Inicial do Sistema de Navegação Interna Marvelmind implantado em uma sala de 80m²
Um beacon móvel está fixado no topo do robô. O robô recebe suas coordenadas com precisão de ±2cm do Marvelmind IPS e as utiliza para percorrer o trajeto de forma autônoma.
Há sombras leves intencionais para o Sistema de Navegação Interna (coluna, banquetas acolchoadas), simulando ambientes reais. Enquanto nas sombras, o robô se apoia em seu sistema de navegação inercial e odômetro.
Robô de dominó com posicionamento e direção baseados no "GPS" Interno Marvelmind
O Sistema de Navegação Interna Marvelmind foi utilizado por um engenhoso robô posicionador de dominós. O sistema foi usado para localização e direção precisas — veja os beacons móveis posicionados na base para obter a melhor precisão direcional.
Veja também o vídeo original: Robô de Dominó com Recorde Mundial (100 mil peças em 24h)
Soluções de robótica
Localização
Um dos maiores problemas para qualquer robô autônomo é responder à pergunta: “onde estou?”. Essa pergunta se desdobra imediatamente em subconjuntos de questões:
- Onde estou em relação à minha localização esperada no momento?
- Onde estou em relação ao meu próximo ponto de passagem?
- Onde estou em relação aos outros objetos: robôs, pessoas, obstáculos, estações de carregamento, etc.?
Mas tudo começa com a localização em relação a alguma referência; por exemplo, as coordenadas (0,0,0) ou (0,0), o que quer que seja, ou em relação ao ponto de partida ou similar. Muitas outras questões são derivadas dessa pergunta principal.
Localização em relação a quê?
Existem várias opções principais:
- Em relação a mim mesmo — o centro do robô, por exemplo
- Em relação a um ponto de referência externo
A localização em relação a si mesmo é mais simples em muitos casos, mas trata-se mais de detecção e desvio de obstáculos do que de movimento e navegação no espaço. Vamos discutir em detalhes o posicionamento e a navegação em relação a referências externas.
Saiba mais sobre sistemas de coordenadas:
Por que não usar SLAM?
SLAM (Localização e Mapeamento Simultâneos) é um método extraordinário. Ainda assim, não parece ser o mais adequado para aplicações industriais reais e práticas: armazéns, plantas de montagem e intralogística em geral. É mais adequado para projetos de pesquisa e doutorados do que para aplicações práticas, porque:
- É simplesmente mais eficiente dividir a tarefa em dois estágios: 1) Mapeamento, 2) Localização
- A detecção e o desvio de obstáculos não têm nada a ver com mapeamento e localização. É o ponto 3). É simplesmente uma tarefa diferente e deve ser resolvida de forma diferente. LIDARs são adequados para detecção de obstáculos, mas não são particularmente bons para mapeamento, pois em ambientes dinâmicos, robôs que usam LIDARs precisarão de muitas pistas adicionais, ou cometerão muitos erros
- A mesma limitação mencionada sobre LIDARs se aplica aos sistemas de SLAM visual — eles ficam confusos e precisam recorrer a outros métodos para corrigir erros significativos
- Em geral, a fusão de sensores é a melhor abordagem e oferece os melhores resultados
Assim, em resumo:
- O SLAM é excelente, mas desnecessariamente complexo, ao mesmo tempo em que não garante resultados
- Separar as mesmas operações no tempo (o mapeamento é separado da localização e diferente da detecção e desvio de obstáculos) retorna resultados mais robustos e previsíveis, mantendo ainda um baixo custo, especialmente para múltiplos objetos móveis. Com o SLAM, cada agente inteligente precisa ser muito sofisticado — ou seja, caro, complexo, volumoso, cheio de sensores e com alto consumo de energia
Localização de dentro para fora, de dentro para dentro ou mista?
Se o robô carrega a bordo tudo o que é necessário para a localização, trata-se de localização de dentro para fora. Humanos e animais usam a localização de dentro para fora. Não apenas falaremos sobre isso, mas eles geralmente não precisam de informações diretas e constantes sobre onde estão em termos de um fluxo contínuo de coordenadas. Eles determinam isso “internamente” com base em diferentes pistas.
Algumas pessoas chamam esse processo de odometria visual. Claro que funciona muito melhor com uma odometria regular baseada em rodas (pés). E é por isso que é mais fácil construir um robô com um sistema de navegação do que apenas um sistema de navegação para qualquer robô. Desenvolvedores de tais “sistemas de posicionamento universais” teriam dificuldades porque os dados de um odômetro podem estar em praticamente qualquer formato — analógico com diferentes valores ou codificado digitalmente em formato desconhecido. Pode ter resoluções completamente diferentes, e muitos outros parâmetros podem variar.
Portanto, a maioria dos sistemas internos dos robôs está intrinsecamente interligada. Isso deve ser compreendido e considerado por qualquer pessoa que projete um robô desde o início.
Seria teoricamente possível criar alguns tipos de conversores — vagamente semelhantes aos sistemas de alta frequência de 50 Ohms. Receptores, antenas, amplificadores e transmissores podem ter impedâncias drasticamente diferentes. Mas as pessoas concordaram em ter uma impedância comum de 50 Ohms. Assim, todas as unidades convertem sua impedância para 50 Ohms e de 50 Ohms para sua impedância interna. Sim, isso traz perdas, complexidades e custos, mas acabou sendo a solução mais funcional no campo de radiofrequência. Algo semelhante poderia ser implementado aqui também.
Isso poderia ser feito para robôs… mas não é feito. Sim, existem “interfaces universais” — como USB… hm… por que então existem tantos tipos diferentes de formatos USB?… 🙂 E por que existem tantos outros tipos de interfaces? — bem, implicações de custo e outras restrições significativas, como complexidade, consumo de energia e tamanho.
Como resultado, uma interface universal permanece distante e ilusória. E a realidade é bastante confusa e única para cada tipo de robô.
Escolhendo um ponto de referência
No caso do GPS, as coordenadas estão disponíveis em latitude e longitude regulares da Terra. Em alguns casos, isso pode ser útil quando, por exemplo, o robô se desloca para fora do ambiente interno. Mas para a maioria dos casos reais em ambientes internos, estamos interessados apenas em coordenadas locais.
Portanto, as escolhemos conforme nossa conveniência. No “GPS” Interno Marvelmind, geralmente o sistema atribui um dos beacons estacionários como (0,0,0) ou (0,0). Mas você pode definir qualquer ponto no mapa como (0,0):
Além disso, é possível fazer georreferenciamento, atribuindo coordenadas GPS externas ao ponto interno (0,0). Após isso, o fluxo de coordenadas do “GPS” Interno Marvelmind estaria em coordenadas GPS absolutas no formato NMEA0183. Ou no formato interno: https://marvelmind.com/pics/marvelmind_interfaces.pdf
Direção
Ao contrário de ambientes externos, onde um magnetômetro/bússola está disponível, calcular a direção em ambientes internos, principalmente em modo estático, não é uma tarefa trivial. Por exemplo, seu robô pode facilmente obter uma localização precisa usando nosso sistema. Mas se o seu robô não souber sua direção atual — para onde está voltado — não é fácil decidir para onde se deslocar.
É possível calcular a direção do robô de forma relativamente rápida medindo seu ponto de localização atual, avançando cerca de 1 m em linha reta — mantendo a direção reta com IMU/giroscópio — depois medindo uma nova localização e, conhecendo dois pontos e sabendo que o trajeto foi uma linha reta — não uma curva — calcular a direção atual do robô. Posteriormente, durante o deslocamento, aplique essa mesma técnica continuamente.
Esses robôs mais antigos utilizam essa abordagem:
O método é simples e requer apenas um beacon móvel (tag), mas funciona somente se o robô puder se deslocar. Muitas vezes não é possível se mover e é necessário localizar exatamente no local — em modo estático. O que fazer?
Os beacons pareados
Nossa forma recomendada de obter direção em modo estático é utilizar uma configuração de Beacons Pareados.
Veja mais detalhes a seguir. Em NIA:
Outro exemplo é o robô autônomo de direção própria Robot v100, com uma distância entre os beacons móveis de ~60 cm. Em IA:
Configuração similar com microfones externos em um único beacon móvel. Embora tenha sido desenvolvida para VR, poderia facilmente ser aplicada a um robô. A distância entre os microfones é de ~20 cm. Em IA:
Existem muitas alternativas para cada solução. Por exemplo, captura de movimento com câmeras externas. É uma solução precisa e adequada tanto para localização quanto para direção? — com certeza! Sim! É prática para robótica industrial? — não exatamente:
- Cara. Muito cara (em 2021)
- Não é adaptada a ambientes severos de fábricas ou armazéns
- Sujeita a múltiplas limitações: pouca luz, luz excessivamente intensa, névoa, variações de temperatura, fornecimento de energia, etc.
Portanto, não abordamos aqui todas as opções possíveis. Apenas o que é relativamente relevante e implementável.
Detecção e desvio de obstáculos
Detecção e desvio de obstáculos é uma tarefa separada da localização
Conforme discutido anteriormente, a abordagem SLAM promete detecção de obstáculos, mapeamento e localização ao mesmo tempo. Parece um sonho, mas a realidade é mais dura e menos amigável.
Em condições reais de iluminação precária, com muitas fontes de luz de alto alcance dinâmico — sol intenso entrando pelas janelas junto com sombras muito escuras de um armazém, outras fontes de luz variadas, desde faróis até todo tipo de scanners —, as soluções SLAM baseadas em visão podem ser facilmente confundidas a ponto de uma perda completa da localização. Métodos adicionais para corrigir erros graves são necessários quando os sistemas SLAM não conseguem escolher corretamente entre diferentes opções. A fusão de sensores é a solução.
Além disso, enquanto é possível resolver de forma otimizada (técnica e economicamente) a tarefa de localização, é mais difícil resolver de forma otimizada a tarefa de detecção de obstáculos, simplesmente porque as tarefas e os requisitos são diferentes por natureza:
Mas a abordagem SLAM complica desnecessariamente a tarefa ao acrescentar a detecção de obstáculos sobre o mapeamento e a localização:
- Mapeamento
- Localização
- Detecção de obstáculos
Os três elementos são de importância crucial para a condução autônoma, mas não precisam ser a mesma coisa. Não é necessário que sejam realizados com os mesmos métodos e pelos mesmos sensores.
Abordagens de robôs integrados vs. robôs divididos
Um dos pontos importantes é distinguir claramente entre os robôs e suas cargas úteis. É muito semelhante ao caso de foguetes e satélites. São duas coisas bastante distintas e não devem ser confundidas. A mesma analogia vale para tratores e equipamentos acoplados a tratores.
Abordagem de robôs integrados
Um ponto crucial é distinguir claramente entre os robôs e suas cargas úteis. É muito semelhante ao caso de foguetes e satélites. São duas coisas bastante distintas e não devem ser confundidas — a mesma analogia vale para tratores e equipamentos acoplados a tratores.
Muitas vezes, porém, os robôs são totalmente integrados, ou seja, suas cargas úteis são unidas de forma estreita. Existem prós e contras na abordagem de robótica unificada.
Prós:
- Pode ser mais fácil de construir, pois o robô é voltado para uma única tarefa. Muito focado
- Mais simples de operar e integrar
Contras:
- Inflexível
- Pode ser mais caro a longo prazo devido à inflexibilidade e à necessidade de múltiplos robôs diferentes para tarefas diferentes
Abordagem de robôs divididos
Prós:
- Flexível em uso. Com um número limitado de plataformas robóticas e um número limitado de tipos de equipamentos acoplados, é possível obter uma quantidade virtualmente ilimitada de configurações diferentes
- Flexível no desenvolvimento, pois as partes podem evoluir de forma independente e apenas as interfaces (elétricas, mecânicas e de SW) precisam permanecer compatíveis. Mas mesmo elas podem ser
- A plataforma robótica pode ser simples, até mesmo primitiva, e ainda assim muito funcional, pois é apenas uma plataforma — “trator” ou “foguete” — sem “satélites” sofisticados
- Menor custo por robô
Contras:
- Integração mais complexa. O robô é composto por pelo menos duas partes: “trator” e “equipamento”
- Pode ser menos robusto, pois a abordagem dividida apresenta mais variantes diferentes, ou seja, requer mais testes, envolve mais partes, etc.
Exemplos de plataformas robóticas e carga útil/equipamento
Plataformas robóticas:
- Plataforma de entrega autônoma. É realmente como um trator, mas pode transportar coisas diferentes — diferentes cargas úteis ou diferentes equipamentos
- O drone em si
Carga útil ou equipamento:
- Braços, por exemplo, para pegar uma caixa e colocar no robô
- A cesta no robô
- A câmera no robô ou drone
- Todo tipo de medidores (químicos, de radiação, de ruído, etc.)
- Scanners (3D, leitores de código de barras/QR, etc.)
- Equipamentos de prevenção de incêndio
- Sprays ou lâmpadas anti-COVID e similares
Robótica de enxame
Fazer um único robô dirigir de forma autônoma já não é uma tarefa muito simples. Mas fazer um enxame de robôs é ainda mais desafiador.
Quais são os desafios?
- Quando há muitos objetos em movimento ao redor — outros robôs — fica mais difícil para cada robô tomar decisões, pois o ambiente se move de forma incontrolável e imprevisível.
- Se os robôs precisam transmitir ou receber fluxos separados de um computador central, pode não haver largura de banda de rádio suficiente para atender a todos eles.
- Como os robôs são autônomos e independentes, podem solicitar acesso a canais de comunicação compartilhados de forma aleatória. Se isso ocorrer e a largura de banda do canal não for 10 a 100 vezes maior do que a taxa de transferência de pico necessária, as chances de colisão são altas. Portanto, é necessário um controlador central especial ou um mecanismo para resolver as colisões. Ambos aumentam a complexidade e trazem outras limitações.
- Os robôs obstruem a visão uns dos outros em relação a outros objetos ao redor. Os robôs detectam os vizinhos, enquanto referências fixas externas contra as quais se posicionar não estão realmente disponíveis.
Quais são as soluções?
Marvelmind pode ajudar na localização de robôs em enxames, que é o ponto inicial e mais crucial, pois, se for resolvido de forma adequada, muitas outras dificuldades dos enxames de robôs simplesmente não ocorrem.
Veja exemplos e soluções de enxames abaixo.
Conclusão
A página crescerá continuamente em detalhes e assuntos com base nas suas perguntas e no nosso tempo disponível. Portanto, envie suas perguntas para info@marvelmind.com, e teremos prazer em abordá-las em detalhes aqui.