Système de positionnement intérieur pour robots mobiles autonomes
Avec une précision de ±2 cm dans les zones sans GNSS
Les robots mobiles autonomes (AMR) et les AGV ont besoin d’un positionnement intérieur que le GPS ne peut pas fournir, car il ne fonctionne pas en intérieur.
Le RTLS à ultrasons Marvelmind offre une précision de ±2 cm – 10 fois plus précis que l’UWB (10-30 cm) et 100 fois plus précis que le Bluetooth. Le système fournit des coordonnées XYZ, des données IMU et d’autres données via USB, UART ou CAN, avec des pilotes natifs ROS et ROS2 pour une intégration immédiate dans n’importe quelle pile de navigation de robot. Le protocole GPS natif – NMEA0183 – est également pris en charge dès l’installation.
C’est une excellente alternative pour le positionnement et la navigation des robots lorsque le LIDAR ou un système de positionnement optique rencontre des difficultés techniques ou est tout simplement trop coûteux.
Conseils très rapides pour nos clients
Si vous construisez un robot ou un AGV et devez décider très rapidement quel système de positionnement et de navigation choisir, choisissez ce qui suit :
- Starter Set Super-MP-3D – l’ensemble le plus simple et le plus polyvalent pour commencer
- Starter Set Super-MP-3D + Super-Beacon – si vous voulez Localisation+Orientation
- Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Microphones – si votre zone dépasse 20×20 m d’espace dégagé ou si vos balises fixes sont à 30 degrés de l’horizon ou moins. Vous pourrez construire des robots dotés de ce type de capacités de conduite. Notre robot Boxie utilise cette configuration, car c’est la plus avancée et la plus flexible
Mais que faire si vous devez couvrir un grand entrepôt ou une usine (10 000-100 000 m²) avec une douzaine de robots ? Est-ce possible ? – Facilement ! Il suffit d’ajouter des sous-cartes avec davantage de balises fixes pour une meilleure couverture et davantage de balises mobiles pour suivre davantage d’objets mobiles. Vous trouverez plus d’informations sur les sous-cartes sur la page Téléchargements.
Utilisation de Marvelmind Indoor "GPS" pour les robots, les véhicules et les AGV
Le système de positionnement intérieur Marvelmind (Marvelmind IPS), également connu sous le nom de Marvelmind Indoor “GPS” ou Marvelmind RTLS, est largement utilisé pour différents types de robots autonomes, de véhicules autonomes, d’AGV et de chariots élévateurs à diverses fins :
- Navigation et positionnement autonomes pour les robots en intérieur et en extérieur
- Suivi d’AGV, de véhicules ou de chariots élévateurs
- Géorepérage pour les robots, les chariots élévateurs et les personnes
- Recherche et développement en robotique générale
- Enseignement et compétitions de robotique
- Robotique en essaim
L’une des principales tâches des robots autonomes et des drones est le scan et l’inspection automatisés – une tâche très importante mais répétitive, avec une routine prévisible qui exige une attention et une précision constantes.
C’est ce que les machines font très bien, alors que les humains sont sujets à la fatigue et aux erreurs.
Bien sûr, les drones pour le scan intérieur d’entrepôts semblent une solution plus sophistiquée, et nous en discutons chaque semaine avec nos clients et clients potentiels. Cependant, si vous voulez quelque chose de pratique, qui fonctionne de manière fiable et peut servir dès aujourd’hui à des applications bien réelles – et non à la recherche et à l’innovation – alors les robots de scan doivent être votre choix aujourd’hui.
Cas d'usage
Qui utilise l'Indoor GPS pour les robots autonomes - et pour quoi faire
Les robots mobiles autonomes ont besoin d'un positionnement intérieur au niveau du centimètre, que le GNSS ne peut pas fournir en intérieur. Le RTLS à ultrasons Marvelmind est utilisé dans trois grands domaines d'application : l'inspection assistée par robot dans les entrepôts et les usines, les laboratoires de robotique de la recherche et des universités, et la navigation des AMR/AGV dans les installations industrielles. Voici les scénarios de déploiement réels les plus courants.
Inspection assistée par robot et scan automatisé
Les robots scanners autonomes nécessitent un système de positionnement intérieur fiable pour suivre des itinéraires précis et répétables dans les allées d'entrepôt, les ateliers d'usine ou les serres. Le scan manuel avec des lecteurs de codes-barres portables, des scanners QR ou des équipements RFID est lent, sujet aux erreurs et coûteux à grande échelle. Un robot équipé de Marvelmind Indoor GPS remplace le parcours à pied de l'opérateur - il scanne le même itinéraire chaque jour, chaque heure ou selon un planning, avec une précision de positionnement de ±2 cm qui garantit que chaque étiquette, code ou tag RFID se trouve dans la portée de lecture du scanner.
Notre solution de scan et d'inspection automatisés repose sur le robot Boxie Scanner - une plateforme autonome compacte qui transporte n'importe quelle charge utile de scan : caméras, lecteurs de codes-barres, scanners QR ou lecteurs RFID. Le robot navigue de façon indépendante, alimente la charge utile à partir de sa propre batterie et enregistre la position de chaque scan avec une précision de ±2 cm. Le système s'intègre au WMS et à l'ERP via une API ouverte.
Points clés pour les déploiements de robots scanners :
- Précision de position de ±2 cm - suffisante pour la lecture de codes-barres, QR et RFID à une distance prévisible
- Seul le suivi 2D est nécessaire - coût et complexité inférieurs à ceux du scan par drone
- Le robot fonctionne 8, 12 ou 16 heures entre deux charges - pas de pilote nécessaire, aucun risque de crash
- Plusieurs robots peuvent fonctionner simultanément dans un même espace - chacun étant suivi indépendamment
- Les coordonnées sont géoréférencées - chaque scan est enregistré avec sa position XYZ exacte et un horodatage
Environnements concernés : entrepôts, centres logistiques, usines, sites d'assemblage, serres, terminaux de fret aéroportuaires.
En savoir plus sur les solutions de scan et d'inspection automatisés →
Navigation intérieure autonome pour la recherche et les universités
Les universités, doctorants, post-doctorants et laboratoires de recherche comptent parmi les utilisateurs les plus actifs du système de positionnement intérieur Marvelmind. La combinaison d'une précision de ±2 cm, d'une API ouverte, de pilotes natifs ROS/ROS2 et d'une tarification transparente rend le système bien adapté à la recherche en robotique qui exige un positionnement de référence (ground truth) sans le coût et la complexité des systèmes de suivi optique.
Le système est utilisé dans des universités du monde entier pour la navigation autonome de robots, la robotique en essaim, la recherche sur les pilotes automatiques de drones, le contrôle de dérapage de véhicules autonomes, l'archéologie en intérieur et la recherche sur le suivi de personnes. Une comparaison indépendante publiée de systèmes de positionnement intérieur a conclu que Marvelmind IPS offre une précision comparable à celle des systèmes optiques pour une fraction du coût, et surpasse nettement les alternatives basées sur l'UWB. Consultez la liste complète des cas d'universités et des articles de recherche publiés.
Pourquoi les équipes de recherche choisissent Marvelmind plutôt que les alternatives :
- ~10 fois plus précis que l'UWB (±2 cm contre 10-30 cm), ~100 fois plus précis que le BLE
- Aucun cloud requis - tout le positionnement est calculé sur site, aucune donnée ne quitte le laboratoire
- Prise en charge complète de ROS et ROS2, avec pilotes et exemples de code publiés
- Compatible avec TurtleBot, AMR sur mesure, drones, PixHawk, ArduPilot, Jetson, Arduino
- Interfaces ouvertes : USB, UART, SPI, CAN, I2C - s'intègre à toute plateforme de recherche
- Matériel, protocoles et logiciels personnalisables - l'équipe travaille directement avec les utilisateurs finaux
- Expédition le jour même ou le jour ouvrable suivant - pas de semaines d'attente pour du matériel de recherche
Recherches publiées notables utilisant Marvelmind : prise de virage en dérive autonome à UC Berkeley, fusion de capteurs ROS dans plusieurs universités, Drone Referee (MSD 2017/18), positionnement archéologique en intérieur sur des sites de fouilles israéliens, suivi de l'activité de vaches en intérieur, robot de pulvérisation anti-COVID.
Voir la page complète des solutions pour les universités et des exemples de recherche →
Navigation des AMR et AGV dans les entrepôts et les usines
Les robots mobiles autonomes (AMR) et les véhicules à guidage automatique (AGV) dans les installations industrielles nécessitent un positionnement intérieur précis, évolutif et stable en termes d'infrastructure. Contrairement aux systèmes basés sur des codes QR au sol (facilement endommagés ou masqués), le SLAM (complexe en calcul et accumulant une dérive) ou l'UWB (précision de 10-30 cm, insuffisante pour naviguer dans des allées étroites), le RTLS à ultrasons fournit un positionnement XYZ absolu de ±2 cm qui ne dérive pas, ne dépend pas de l'éclairage et passe d'un seul robot à 250 véhicules simultanés.
Marvelmind a déployé des systèmes de suivi pour des clients industriels, dont un entrepôt en forme de T de 450×450 m avec plus de 120 chariots élévateurs suivis simultanément grâce à 123 Super-Beacons fixes. Le système diffusait en temps réel des coordonnées XYZ vers la plateforme d'analyse du client via UDP et une API ouverte, permettant l'attribution automatique des tâches en fonction de la position actuelle de chaque véhicule. Un second déploiement a suivi 10 chariots élévateurs avec 14 balises fixes. Les deux systèmes ont été déployés à distance par Marvelmind. Voir les études de cas complètes.
Principaux avantages pour les déploiements d'AMR et d'AGV :
- Couverture allant d'une seule sous-carte de 1 000 m² à des zones multi-bâtiments illimitées grâce aux sous-cartes en réseau
- Jusqu'à 250 robots mobiles suivis simultanément, chacun avec une précision individuelle de ±2 cm
- Aucune modification du sol - les balises se fixent aux murs ou au plafond à 3-4 m de hauteur
- Sortie via USB, UART, SPI, CAN ou UDP - s'intègre à tout système de gestion de flotte existant
- La précision est indépendante de la vitesse du robot ou de la fréquence de mise à jour - voir l'explication technique
- Fonctionne dans des environnements industriels poussiéreux, à température variable et électriquement bruités
Tâches concernées : livraison autonome, transport inter-zones, assistance au picking, comptage d'inventaire automatisé, application de zones de sécurité, coordination multi-robots.
Quel starter set Marvelmind choisir ?
Si vous n’avez pas le temps d’étudier les détails mais devez choisir vite et en toute sécurité, choisissez le Starter Set Super-MP :
- MP signifie Multi-Purpose (polyvalent). L’ensemble prend effectivement en charge plusieurs architectures et plusieurs configurations, offrant ainsi la plus grande flexibilité :
- Suivi 2D avec jusqu’à 2 sous-cartes
- Suivi 2D avec jusqu’à 3 balises mobiles (robots)
- Suivi 2D avec Localisation+Orientation
- Suivi 1D avec jusqu’à 4 balises mobiles
- Le Starter Set Super-MP prend en charge différentes architectures : NIA, IA et MF NIA
- Les balises ont une batterie LiPol de 900-1000 mAh à l’intérieur, ce qui permet de déployer le système facilement et rapidement sans alimentation externe
- Les balises ont des antennes externes – connectivité radio plus robuste avec le modem
- Les Super-Beacons peuvent recevoir et émettre des ultrasons. Ils peuvent donc fonctionner comme balises fixes et comme balises mobiles
- Les Super-Beacons intègrent un DSP (processeur de signal numérique). Ils peuvent donc recevoir plusieurs canaux ultrasonores à la fois et fonctionner en IA
- Les Super-Beacons intègrent une IMU (gyroscope 3D + accéléromètre 3D)
N’oubliez pas qu’une seule balise mobile par robot ne donne qu’une seule localisation. Pour obtenir la localisation et l’orientation, il vous faut la configuration à balises appariées – deux balises mobiles par robot. Voir la variante suivante.
Pour Localisation+Orientation, il faut plus d’une balise mobile par robot. Le plus simple est donc d’ajouter au Starter Set Super-MP un Super-Beacon supplémentaire.
Exemples de positionnement et de navigation intérieurs précis pour les robots
Robot de livraison autonome - démo dans une usine d'assemblage automobile
Robot de livraison autonome Marvelmind v100.
IA avec 15 balises fixes et un modem pour la couverture Indoor “GPS”. En savoir plus : https://youtu.be/TWWg_8JHYzo.
La même carte Indoor “GPS” prend en charge, en plus du robot montré dans la vidéo :
- Suivi de plusieurs robots mobiles et chariots élévateurs, ainsi que suivi de personnes. Au total, jusqu’à 250 balises/objets – fixes et mobiles combinés
Exemple du robot v100 avec explications détaillées
Il s’agit de la même démo que https://youtu.be/TWWg_8JHYzo, mais avec des commentaires oraux supplémentaires expliquant ce qui figure dans la vidéo et dans le système en général.
Configuration :
- Robot de livraison autonome Marvelmind : https://youtu.be/efOc-ItVvgg
- IA avec 15 balises fixes et un modem pour la couverture Indoor “GPS”.
Caractéristiques du robot :
- Livraison entièrement autonome entre n’importe quels points couverts par Marvelmind Indoor “GPS”
- Charge utile jusqu’à 100 kg
- Autonomie de conduite de plus de 16 h avec une seule charge : https://youtu.be/JaxRd_9D1fQ avec une charge utile de plus de 60 kg
- Évitement et détection automatiques des obstacles
- L’itinéraire de livraison peut être reconfiguré d’un clic de bouton en 1 seconde
- Le temps de charge est inférieur à quatre heures. Ainsi, un fonctionnement en 2 équipes (16 h) et une charge pendant une équipe (8 h) sont pris en charge
- Capacité reconfigurable : 1 grande caisse jusqu’à 65x65x160 cm, ou jusqu’à 8 caisses de 65x65x15 cm – une étagère ou plusieurs étagères
- La même carte Indoor “GPS” prend en charge :
- Suivi de plusieurs robots mobiles et chariots élévateurs, et suivi de personnes. Au total, jusqu’à 250 balises/objets – fixes et mobiles combinés.
- Les balises mobiles en configuration à balises appariées pour Localisation + Orientation, dans un modem IA avec deux Omni-Microphones externes, sont visibles, installées sur le robot
- Les balises fixes pour le suivi 2D sont installées sur les murs
Robot se déplaçant de manière entièrement autonome grâce à Marvelmind Indoor "GPS"
Un robot entièrement autonome se déplace seul, en s’appuyant sur :
- Marvelmind Indoor “GPS”
- L’odométrie embarquée et des unités inertielles (IMU)
Le robot reçoit de l’utilisateur les coordonnées des points clés à visiter (tableau à droite), puis crée et suit le trajet en corrigeant constamment sa position par rapport au trajet. Les coordonnées sont générées automatiquement dans le Dashboard par un simple clic sur la carte.
Les distances entre les balises peuvent atteindre 36 mètres. Il est possible de couvrir tout un campus avec un “GPS” précis en installant davantage de balises tous les 20 à 30 mètres.
Petit robot de livraison entièrement autonome se déplaçant dans un environnement de bureaux
Démo de conduite entièrement autonome d'un robot : parcours « en 8 »
Système de navigation intérieure Marvelmind + démo du robot autonome Marvelmind Hermes :
- Parcours « en 8 » (7×2 m)
- Conduite entièrement autonome. Le Starter Set du système de navigation intérieure Marvelmind déployé dans une pièce de 80 m²
Une balise mobile est fixée sur le dessus du robot. Le robot reçoit ses coordonnées avec une précision de ±2 cm de la part du Marvelmind IPS et les utilise pour parcourir le tracé de manière autonome.
Il y a des zones d’ombre légères et volontaires pour le système de navigation intérieure (colonne, tabourets rembourrés), imitant des environnements réels. Dans les zones d’ombre, le robot s’appuie sur son système de navigation inertielle et son odomètre.
Robot domino avec positionnement et orientation basés sur Marvelmind Indoor "GPS"
Le système de navigation intérieure Marvelmind a été utilisé par un ingénieux robot poseur de dominos. Le système a servi à obtenir une localisation et une orientation précises – voir les balises mobiles placées sur la base pour obtenir la meilleure précision d’orientation.
Voir aussi la vidéo originale : World Record Domino Robot (100k dominoes in 24hrs)
Solutions robotiques
Localisation
L’un des plus gros problèmes de tout robot autonome est de répondre à la question : « Où suis-je ? ». Cette question se décompose immédiatement en un ensemble de sous-questions :
- Où suis-je par rapport à ma position attendue à cet instant ?
- Où suis-je par rapport à mon prochain point de passage ?
- Où suis-je par rapport aux autres objets : robots, personnes, obstacles, stations de charge, etc. ?
Mais tout commence par la localisation par rapport à une référence, par exemple les coordonnées (0,0,0), quelles qu’elles soient, ou le point de départ ou équivalent. De nombreuses autres questions dérivent de cette question principale.
Localisation par rapport à quoi ?
Il existe plusieurs options principales :
- Par rapport à moi-même – le centre du robot, par exemple
- Par rapport à un point de référence externe
La localisation par rapport à soi-même est plus simple dans de nombreux cas, mais elle concerne la détection et l’évitement d’obstacles plutôt que le déplacement et la navigation dans l’espace. Discutons en détail du positionnement et de la navigation par rapport à des références externes.
En savoir plus sur les systèmes de coordonnées :
Pourquoi pas le SLAM ?
Le SLAM (localisation et cartographie simultanées) est une méthode formidable. Mais elle peut être peu pratique dans certaines applications industrielles où l’environnement change, est mal structuré ou imprévisible : entrepôts, usines d’assemblage et intralogistique en général :
- Il est souvent tout simplement plus efficace de diviser la tâche en deux étapes : 1) cartographie, 2) localisation
- La détection et l’évitement d’obstacles n’ont rien à voir avec la cartographie et la localisation. C’est le point 3). C’est simplement une tâche différente qui doit être résolue différemment. Les LIDAR conviennent bien à la détection d’obstacles, mais ne sont pas particulièrement bons pour la cartographie lorsque l’environnement change – ils peuvent faire trop d’erreurs
- La même limitation mentionnée pour les LIDAR s’applique aux systèmes SLAM visuels – ils peuvent être induits en erreur et doivent s’appuyer sur d’autres méthodes pour rectifier les erreurs
- En général, la fusion de capteurs est la meilleure approche, donne le meilleur résultat et est recommandée lorsqu’elle est viable commercialement et techniquement
Localisation inside-out, outside-in ou mixte ?
Si le robot embarque tout ce qui est nécessaire à la localisation, il s’agit d’une localisation inside-out. Les humains et les animaux utilisent la localisation inside-out. Ils n’ont généralement pas besoin d’informations directes et constantes sur l’endroit où ils se trouvent sous la forme d’un flux continu de coordonnées. Ils le déterminent « de l’intérieur » à partir de divers indices extérieurs.
Certains appellent ce processus odométrie visuelle. Bien sûr, cela fonctionne beaucoup mieux avec une odométrie classique à base de roues (pieds), si le sol et l’environnement s’y prêtent. Et c’est pourquoi il est parfois plus facile de fabriquer un robot avec un système de navigation que simplement un système de navigation pour n’importe quel robot. Les développeurs de tels « systèmes de positionnement universels » peuvent rencontrer des difficultés, car les données d’un odomètre peuvent être dans pratiquement n’importe quel format – analogique avec différentes valeurs ou codées numériquement dans un format inconnu. Les résolutions peuvent être totalement différentes, et de nombreux autres paramètres peuvent différer.
Ainsi, la plupart des systèmes à l’intérieur des robots sont intrinsèquement liés. Cela doit être compris et pris en compte dès le départ par quiconque conçoit un robot.
Notre système de positionnement intérieur utilise la localisation outside-in : le robot mobile peut être relativement simple, voire ignorer qu’il est suivi. C’est le système extérieur qui le suit ou, dans notre cas, qui suit une balise mobile (tag) fixée au robot. Si le robot est intelligent, il utilise ses données et se déplace de manière autonome à partir de ses coordonnées XYZ et de points de passage. S’il ne l’est pas, il peut être commandé à distance. Il sera toutefois piloté par le système – et non par des humains – de sorte qu’il restera entièrement autonome, mais son intelligence, du moins celle qui est responsable du positionnement, de la navigation et de la conduite autonome, se trouve à l’extérieur de son corps mobile.
Les avantages de l’architecture outside-in :
- Vous pouvez suivre des objets mobiles « non intelligents » comme des chariots élévateurs ou des robots très simples, par exemple basés sur des voitures RC
- Vous pouvez suivre des objets mobiles « non connectables », par exemple des humains, et améliorer considérablement la sécurité lorsque des robots sont présents. Les robots n’ont pas à détecter les humains. Ils savent où se trouvent les humains ou les autres objets en mouvement, y compris les autres robots
- Les robots deviennent beaucoup moins chers
Recommandations de sélection :
- Si vous avez 1 ou 2 robots circulant dans un entrepôt très vaste mais structuré et « prévisible », la localisation inside-out peut être financièrement plus avantageuse. Oui, chaque robot est plus cher, mais vous n’avez pas besoin d’infrastructure dans l’entrepôt
- Si vous avez plusieurs robots dans le même entrepôt, il devient de plus en plus avantageux d’utiliser la localisation outside-in, car les robots deviennent nettement moins chers
- Si vous avez un environnement non structuré et que la localisation inside-out peine, utilisez sans hésiter l’approche outside-in
- Dans les conditions les plus complexes, l’approche de fusion de capteurs et toutes sortes de solutions hybrides apportent généralement les meilleurs résultats
- L’approche outside-in est particulièrement bien adaptée à la robotique en essaim
Choix d'un point de référence
Dans le cas du GPS, les coordonnées sont disponibles en latitude et longitude terrestres classiques. Dans certains cas, cela peut être utile lorsque, par exemple, le robot sort des bâtiments. Mais pour la majorité des cas réels en intérieur, seules les coordonnées locales nous intéressent.
Nous les choisissons donc à notre convenance. Dans Marvelmind Indoor “GPS”, le système attribue généralement l’une des balises fixes comme (0,0,0) ou (0,0). Mais vous pouvez définir n’importe quel point de la carte comme (0,0) :
De plus, le géoréférencement est possible, en attribuant des coordonnées GPS externes au point interne (0,0,0). Ensuite, le flux de coordonnées de Marvelmind Indoor “GPS” serait en coordonnées GPS absolues au format NMEA0183. Ou au format interne. En savoir plus sur les protocoles ouverts.
Orientation
Contrairement à l’extérieur, où un magnétomètre/boussole est disponible, le calcul de l’orientation en intérieur n’est pas une tâche triviale. Il est particulièrement difficile en statique.
Par exemple, votre robot peut facilement avoir une localisation précise grâce à notre système. Mais si votre robot ne connaît pas son orientation actuelle – la direction vers laquelle il est tourné – il n’est pas facile de décider où aller.
Il est possible de calculer assez rapidement l’orientation du robot en mesurant sa position actuelle, en avançant tout droit d’environ 1 m – en maintenant la direction rectiligne grâce à l’IMU/gyroscope – puis en mesurant une nouvelle position, et, en connaissant deux points et en sachant qu’il s’agissait d’une ligne – et non d’une courbe -, de calculer l’orientation actuelle du robot. Ensuite, pendant la conduite, la même technique est employée en permanence. Voir un article : De combien de balises mobiles ai-je besoin par drone ? – c’est moins critique pour les robots, car ils sont moins limités en taille et en poids. Cela s’applique néanmoins très bien aux robots aussi.
Ces robots plus anciens utilisent cette approche :
La méthode est simple et ne nécessite qu’une seule balise mobile (tag), mais elle ne fonctionne que si vous pouvez avancer. Souvent, on ne peut pas avancer et il faut se localiser sur place – en statique. Que faire ?
Les balises appariées
Notre méthode recommandée pour obtenir l’orientation en statique est d’utiliser une configuration à balises appariées.
Voici plus d’informations. En NIA :
Autre exemple : un robot autonome Robot v100 avec une base entre les balises mobiles d’environ 60 cm. En IA :
Configuration similaire avec des microphones externes sur une seule balise mobile. Bien qu’elle ait été réalisée pour la VR, elle pourrait tout à fait être un robot. La base entre les microphones est d’environ 20 cm. En IA :
Il existe de nombreuses alternatives pour chaque solution. Par exemple, la capture de mouvement avec des caméras externes. Est-ce une solution précise et adaptée à la fois pour la localisation et l’orientation ? – Bien sûr ! Oui ! Est-elle pratique pour la robotique industrielle ? – Pas vraiment :
- Coûteuse. Très coûteuse, du moins lorsque cet article a été initialement rédigé (2021)
- Elle n’est pas adaptée à l’environnement difficile des usines ou des entrepôts
- Sujette à de multiples limitations : trop peu de lumière, lumière trop intense, brouillard, changements de température, alimentation électrique, etc.
Nous n’abordons donc pas ici toutes les options de localisation possibles. Seulement ce qui est relativement pertinent et réalisable.
Détection et évitement d'obstacles
La détection et l'évitement d'obstacles sont une tâche distincte de la localisation
Comme indiqué plus haut, l’approche SLAM promet la détection d’obstacles, la cartographie et la localisation en même temps. Cela ressemble à un rêve, mais la réalité est plus dure et moins accommodante.
Dans des conditions réelles d’éclairage insuffisant, avec de nombreuses sources lumineuses à forte dynamique – soleil éclatant à travers les fenêtres avec des ombres très sombres dans un entrepôt, diverses autres sources lumineuses allant des phares à toutes sortes de scanners -, les solutions SLAM visuelles peuvent très facilement être induites en erreur jusqu’à une perte complète de la localisation. Des méthodes supplémentaires de correction des erreurs majeures sont nécessaires lorsque les systèmes SLAM ne peuvent pas choisir correctement entre différentes options. La fusion de capteurs est la solution.
De plus, alors que la tâche de localisation peut être résolue de manière optimale (techniquement et économiquement), il est plus difficile de résoudre de manière optimale la détection d’obstacles, simplement parce que les tâches et les exigences sont de nature différente.
Mais l’approche SLAM complique inutilement la tâche en ajoutant la détection d’obstacles à la cartographie et à la localisation :
- Cartographie
- Localisation
- Détection d’obstacles
Ces trois éléments sont cruciaux pour la conduite autonome, mais ils ne doivent pas nécessairement ne faire qu’un. Ils ne doivent pas nécessairement être réalisés avec les mêmes méthodes ni par les mêmes capteurs.
Approches robots intégrés et robots dissociés
L’un des points importants est de distinguer clairement les robots et leurs charges utiles. C’est un peu comme les fusées et les satellites. Ce sont deux choses différentes qu’il ne faut pas confondre. Même chose pour les tracteurs et les équipements montés sur tracteur.
Nous produisons des « fusées » et des « tracteurs » :
Vous y installez votre charge utile, des simples paniers aux bras et aux scanners complexes. Vous pouvez aussi les piloter via nos interfaces et protocoles ouverts.
Approche des robots intégrés
Très souvent, les robots sont entièrement intégrés, c’est-à-dire que leurs charges utiles sont étroitement fusionnées avec eux. L’approche robotique unifiée présente des avantages et des inconvénients.
Avantages :
- Peut être plus facile à construire, car le robot est optimisé pour une seule tâche. Très ciblé
- Plus simple à exploiter
- Peut être plus léger
- Peut être plus robuste
- Peut être moins cher à court terme
Inconvénients :
- Peu flexible. Et c’est un point majeur. Vous avez, en théorie, un robot très performant, mais optimisé pour une seule chose alors que vous avez besoin d’une autre
- Peut être plus coûteux à long terme en raison du manque de flexibilité et du besoin de plusieurs types de robots pour différentes tâches, probablement même de fabricants différents
Approche des robots dissociés
Avantages :
- Flexible à l’usage. Avec un nombre limité de plateformes robotiques et un nombre limité de types d’équipements montés, il est possible d’obtenir un nombre pratiquement illimité de configurations différentes
- Flexible en développement, car les parties peuvent évoluer indépendamment et seules les interfaces (électriques, mécaniques, logicielles) doivent rester compatibles
- La plateforme robotique peut être simple, voire primitive, tout en restant très fonctionnelle, car ce n’est qu’une plateforme – un « tracteur » ou une « fusée » – sans « satellites » sophistiqués
- Moins cher par robot
Inconvénients :
- Intégration plus complexe. Le robot se compose d’au moins deux parties : le « tracteur » et l’« équipement »
- Peut être moins robuste, car l’approche dissociée comporte davantage de variantes, ce qui exige plus de tests, davantage de parties prenantes, etc. Incompatibilité potentielle selon les différents fabricants : robots et charges utiles
Exemples de plateformes robotiques et de charges utiles/équipements
Plateformes robotiques :
- Plateforme de livraison autonome. C’est vraiment comme un tracteur, mais elle peut transporter différentes choses – différentes charges utiles ou différents équipements
- Le drone lui-même
Charge utile ou équipement :
- Bras, par exemple pour prendre une caisse et la poser sur le robot
- Le panier sur le robot
- La caméra sur le robot ou le drone
- Toutes sortes d’instruments de mesure (chimiques, radiations, bruit, etc.)
- Scanners (3D, lecteurs de codes-barres/QR, 5G/6G, etc.)
- Équipements de prévention incendie
Robotique en essaim
Faire rouler un seul robot de manière autonome n’est pas une tâche très facile. Mais faire fonctionner un essaim de robots est encore plus difficile.
Quels sont les défis ?
- Lorsqu’il y a trop d’objets en mouvement autour – d’autres robots – il est plus difficile pour chaque robot de prendre des décisions, car l’environnement évolue de manière incontrôlée et imprévisible.
- Si les robots doivent diffuser des flux ou recevoir des flux séparés depuis un ordinateur central, la bande passante radio ou la bande passante disponible peut être insuffisante pour tous les servir.
- Comme les robots sont autonomes et indépendants, ils peuvent demander l’accès de façon aléatoire à des canaux de communication communs partagés. Si c’est le cas, et que la bande passante du canal n’est pas 10 à 100 fois supérieure au débit de pointe requis, les risques de collision sont élevés. Un contrôleur central spécial ou un mécanisme de résolution des collisions est donc nécessaire. Les deux augmentent la complexité et apportent d’autres limitations.
- Les robots se gênent mutuellement la vue des autres objets alentour. Les robots détectent leurs voisins, alors que ce par rapport à quoi se positionner – comme des références fixes externes – ne l’est pas vraiment.
Quelles sont les solutions ?
Marvelmind peut aider à la localisation des robots en essaim, qui est le point de départ et le point le plus crucial car, si elle est correctement résolue, de nombreuses autres difficultés des essaims de robots n’apparaissent tout simplement pas.
Voir ci-dessous des exemples et des solutions pour les essaims.