随着自主移动机器人应用日渐广泛,感测器融合领域呈现采用AI驱动的演算法、增强物体检测和分类能力、感测器融合用於实现协同感知、多种感测器模式,以及恶劣条件下的环境感知等趋势。
自主移动机器人(Autonomous mobile robots;AMR)可帮助制造商提高生产效率、增强安全性并节省大量成本,因而在各行各业得到广泛应用。2022年全球AMR市场规模为86.5亿美元,预计2022年至2028年间的复合年增长率(CAGR)将达到18.3%。
进入工业5.0时代,人类将与人工智慧(AI)机器人协同工作,机器人辅助而非取代人类。愿景固然美好,但要实现这一目标,AMR必须克服重重挑战,整合各种感测器以及新兴的感测器融合技术将为此提供助益。
AMR采用过程中所面临的挑战
AMR普及的一大难题是其在多种不同应用和环境中的适应性。AMR已广泛应用於仓库、农业技术、商业园林绿化、医疗保健、智慧零售、安防和监控、配送、库存管理、拣选和分类等多个领域。在这些不同的环境中,AMR需要安全地与人类共处。
此外,复杂的情境也极大地增加AMR的工作难度。有些情况人类可以轻松应对,但对於AMR而言却并非易事。例如,假设送货机器人在配送最後一个包裹的途中看到路中间有个球,它可能会成功识别这一障碍物并避免碰撞。但其智慧化程度是否足以预判会有小孩跑出来捡球呢?类似这样的复杂情境还有很多:AMR能否利用安装在柱子上的90度反光镜观察弯道的交通状况并做出预测?AMR是否知道自己不能在新浇筑的混凝土上行走?
人类很容易作出判断,但机器人却难以应对。然而,若配备了合适的感测器,AMR在强日光下检测物体的能力可以超越人类。不过,浇筑的混凝土和喷洒的液体仍然比较难以识别,而边缘、悬崖、坡道和楼梯,对於AMR来说都是挑战。还有一些特殊情况,比如有人故意搞破坏,将AMR推翻,这也是早期开发逃逸机动系统的缘由。
要想解决这些挑战,需要在AI技术中采用先进的大型语言模型(LLM)和各类高性能感测器。
用於AMR的高性能感测器
AMR需要使用不同类型的感测器进行同步定位与地图构建(simultaneous localization and mapping;SLAM),并提供距离和深度测量。感测器的重要指标包括物体检测、物体识别、颜色识别、解析度、功耗、尺寸、成本、范围、动态范围、速度,以及在各种光照和天气条件下的适应性。
可用於AMR的感测器模式,包括CMOS成像、直接飞行时间(dToF)和间接飞行时间(iTOF)深度感知、超音波、雷达、电感定位、低功耗蓝牙(Bluetooth LE)技术、惯性。
上述模式各有其优缺点。例如,雷达能在弱光或恶劣天气条件下有效测量范围和速度,但颜色检测能力较差,初始成本高,且体积较大,而这在AMR设计中是一个重要考虑因素。光学雷达采用大批量CMOS??铸造工艺,因此初始成本相对较低,且能够在夜间/直射阳光下进行检测,但在物体分类方面表现欠隹。同样,iToF深度感测器具有高解析度和低功耗处理能力。
显然,要为AMR提供全面的资讯以应对上述挑战,仅靠单一的感测器模式无法满足需求。根据应用和环境的不同,AMR需要使用多种感测器模式。这些感测器不会单独运行,而是透过「感测器融合」共同发挥作用。
感测器融合如何赋能自主移动机器人
感测器融合是指将两个或多个数据源(来自感测器和/或演算法或模型)组合,以更好地了解系统及其周围环境。AMR中的感测器融合不仅可以提升可靠性、备援度并最终确保安全性,还可以提高评估的一致性、准确性和可信度,是一项必不可少的技术。
如图一所示,感测器融合结合了数据收集和数据解释两个功能。
在感测器融合中,「解释数据」的步骤需要实现演算法或模型。有时感测器融合的结果直接为人类提供有用资讯(如倒车辅助),有时则供机器作进一步处理(如安防系统中的人脸识别)。
感测器融合具有多种优势,例如降低讯号杂讯。同质感测器融合可以降低非相关杂讯,而异构感测器融合可以降低相关杂讯。
感测器融合本质上可透过备援来提高可靠性。感测器的数量至少有两个,这意味着即使其中一个感测器的数据丢失,虽然数据品质降低,但系统仍可利用其他感测器提供的数据继续工作。感测器融合还可用於预估无法直接测量的状态,例如遮挡(当镜头无法观察到物体或物体的一部分时)和反射(当物体或表面将光线从一个镜头反射到另一个镜头时)。
鉴於以上优势,且随着采用率日益增加,感测器融合领域已呈现以下趋势:采用AI驱动的演算法、增强物体检测和分类能力、感测器融合用於实现协同感知、多种感测器模式、恶劣条件下的环境感知、感测器融合用於实现 360 度环视、即时感测器校准。
感测器融合的核心在於感测器本身,如果获取的数据不理想,再好的演算法也无法生成高品质的结果。安森美(onsemi)提供一系列的感测器和工具,能够支持将感测器融合技术用於AMR中。
总结
自主移动机器人应用场景多样,而且它们的采用率正在加速提升。为顺应趋势,产业已形成了相关的最隹化实务。首先,对於环境实施控制,以减少AMR可能遇到的潜在碰撞情形。例如,可以在制造设施或仓库中为AMR/自动引导车辆(automated guided vehicles;AGV)设定专门的路线。其次,在开发过程中使用数位分身模拟实际使用场景(包括边界工况)。最後,将感测器融合与智慧感测器、演算法和模型相结合。
在智慧感知技术领域,安森美的各类卷帘快门和全域快门影像感测器,具有优异的动态范围性能,并配备运动唤醒等创新功能。除了影像感测器外,安森美还提供用於距离检测的光学雷达(SiPM)。该产品组合包括超音波感测器、电感感测器和采用低功耗蓝牙技术的微控制器,後者支持可用於定位的到达角(AoA)和出发角(AoD)。
AMR中的感测器融合必将对工业和运输应用迈向工业5.0的进程产生重大影响,完备的感测器和子系统可确保一切顺利过渡。