سنسورهای LiDAR در ربات های متحرک به ایمنی ربات ها و اپراتورها و همچنین بهبود عملکرد ربات ها در محیط کار کمک میکنند.

مزایای استفاده از سنسورهای LiDAR در ربات های متحرک

همانطور که پیشرفت فناوری به بهبود عملکرد و پیچیدگی عملیاتی که ربات ها انجام میدهند کمک می کند، بسیاری از صنایع شروع به ادغام این سیستم ها در فرآیندهای تولید روزانه خود خواهند کرد. بنابراین، ضروری است که ربات ها، به ویژه آنهایی که می توانند به طور مستقل حرکت کنند و وظایف خاصی را انجام دهند، بتوانند به طور ایمن اشیاء متحرک ، ربات های دیگر و انسان ها را در محیط اطراف خود تشخیص دهند.

 ایمنی ربات ها در محیط  کار

سیستم‌های رباتیک در طیف وسیعی از فرآیندهای تولید از جمله در سیستم های پزشکی، خانه، انبارها، رستوران ها، هتل ها، کشاورزی و سایر صنایع گنجانده شده اند. از آنجایی که انتظار می‌رود نقش روبات‌ها در این بخش‌ها در آینده گسترش یابد، تولیدکنندگان به طور چشمگیری علاقه‌مند شده‌اند که چگونه می‌توانند ربات‌های مشارکتی را در فرآیندهای تولید خود بگنجانند.

استانداردهای ایمنی مختلفی را می توان برای اطمینان از ادغام مناسب ربات های سیار در فضاهای کاری مشترک بین اپراتورهای انسانی و سیستم های رباتیکی مشخص کرد.برخی از رویکرد های ایستا می تواند به این صورت باشد که مثلا قدرت و نیروی ربات ها تا حدی محدود شود که برای اپراتورهای انسانی مشکل ساز نشوند ویا از هدایت‌گرهای دستی که قابل کنترل توسط اپراتورهای انسانی باشنداستفاده شود و همچنین می‌توان از تقسیم‌کننده‌های فیزیکی یا مجازی برای جلوگیری از ورود سیستم‌های رباتیکی به محیط کار اپراتورهای انسانی استفاده شود.

در مقایسه با این رویکردهای استاتیک، اخیراً تغییری به سمت انطباق رویکردهای پویا برای منطقه‌بندی ایمنی در تنظیمات تولید صورت گرفته است. منطقه‌بندی ایمنی پویا شامل استفاده از فناوری‌های حسگرهای مختلف است که رفتار ربات ها را با توجه به نزدیکی اپراتورهای انسانی تطبیق می‌دهد. چنین سیستم های پویایی علاوه بر محافظت از اپراتور انسانی در برابر خطرات احتمالی، به طور قابل توجهی می توانند زمان توقف های ناخواسته را در محیط های کار به حداقل برساند.

سنسور LiDAR چیست؟

برای اطمینان از عملکرد ایمن و قابل اعتماد ربات های متحرک در محیط های پویا اطراف آنها و همچنین در طول تعامل رباتها با یکدیگر، از سنسورهایی برای نظارت بر حرکات مستقل آنها استفاده می شود ، در واقع LiDAR  یک تکنولوژی سنجش فاصله از راه دور است و برای اندازه گیری مسافت از آن استفاده می شود.

به عنوان مثال، سنسورهای تشخیص نور و فاصله یا همان سنسور های LiDAR برای به دست آوردن اطلاعات موقعیتی روی یک شی در محدوده آن به ابرهای نقطه دو بعدی (2 بعدی) یا سه بعدی (3 بعدی) که از نقاط داده متعددی تشکیل شده اند  متکی هستند. این ابرهای نقطه ای از روش های یادگیری ماشین هوش مصنوعی مانند خوشه بندی فضایی مبتنی بر مثلث برای نقشه برداری از فضاهای کاری و تعیین فاصله بین ربات و محیط اطرافشان استفاده می کنند.

سنسورهای LiDAR اغلب به  سنسورهای ناوبری و سنسور های اجتناب از موانع طبقه بندی می شوند. سنسورهای LiDAR مبتنی بر ناوبری معمولاً برای ساختن نقشه‌ای از محیط های اطراف استفاده می‌شوند و سنسورهای LiDAR اجتناب از موانع بیشتر در بدنه روبات‌های متحرک برای شناسایی و جلوگیری از برخورد ربات با یک شی نزدیک‌تر نصب می‌شوند. اگرچه سنسورهای LiDAR اجتناب از موانع تکنولوژی ضعیفتر وکمتری نسبت به سنسورهای LiDAR ناوبری دارند، اما  قابلیت تشخیص هدف بهتری دارند.

سنسورهای LiDAR و ربات‌های متحرک

با وجود اینکه سیستم های رباتیکی مجهز به سنسورهای LiDAR می توانند به راحتی فاصله بین ربات و اشیاء ساکن را محاسبه کنند، اما تعیین فاصله آنها تا یک جسم یا شخص متحرک به ویژه زمانی که ربات متحرک نیز باشد برای این سنسورها چالش برانگیز است برای اینکه  مکان‌های نقطه‌ای که معمولاً توسط سنسور استفاده می‌شوند در حال حرکت هستند و  این مسئله باعث می شود که سیستم یک مکان مرجع ثابت نداشته باشد. برای غلبه بر این چالش، داشتن مکان‌های نقطه‌ای که می‌توانند با ابرهای نقطه‌ای مختلف تغییر کنند تا اجسام متحرک را منعکس کنند، ضروری هستند.

SLAM

مکان یابی و نقشه برداری هم زمان 3D LiDAR  یا (SLAM) روش جدیدی است که سیستم محیط اطراف را اسکن می کند و نقاط مربوطه را در نقاط ابری به صورت مثلث مشخص می‌کند. از آنجایی که سنسور اندازه‌گیری‌های فاصله جدیدی را به دست می‌آورد، می‌تواند به سرعت این اطلاعات را با نقاط مرجع موجود و مکان‌یابی غیر منسجم مقایسه کند.

در روش SLAM بصری، که به تصاویر دوربین برای به دست آوردن اندازه‌گیری روی اجسام نزدیک متکی است، عوامل محیطی مختلفی از جمله نورهای مختلف، بافت‌ محیط اطراف و تغییرات زاویه می‌توانند دقت تصاویر دوربین را محدود کنند.الگوریتم‌های LiDAR SLAM برای غلبه بر این محدودیت‌ها برای ارائه اطلاعات فاصله با کیفیت بالا در محیط اطراف بر روی اجسام مورد نظر ابرهای نقطه‌ای  ایجاد می کند.

اخیراً، محققان دقت SLAM را همراه با یک رویکرد اندازه‌گیری صفر برای تعامل با یک وسیله نقلیه بدون سرنشین متحرک (UV) ارزیابی کردند. همانطور که UV حرکت می کرد، یک “نقطه صفر” به هر نقطه در یک ابر نقطه جدید اختصاص داده شد. علیرغم پتانسیل این رویکرد ترکیبی، محققان دریافتند که این سیستم نمی تواند نقاط صفر جدیدی را برای اشعه ماوراء بنفش ایجاد کند، زیرا سایر اجسام به داخل و خارج از محیط فضایی آن حرکت می کنند.

ابرهای نقطه ای

روش پیشنهادی دیگر این است که سنسور بتواند  فاصله بین چند نقطه را در محیط مورد نظر اندازه گیری کند. این  امر باعث ایجاد خوشه های نقطه‌ای می‌شود که هر بار که یک شی چدید در محیط اطراف ربات شناسایی شود ایجاد می شود.

قاعده خوشه نقطه ای  اخیراً با استفاده از سنسور Hokuyo UST-20LX 2D LiDAR آزمایش شده است. در اینجا، محققان خوشه‌های نقطه‌ای دوبعدی شناسایی شده را به نقاط ابری سه بعدی تبدیل کردند که اطلاعات دقیقی در مورد فاصله بین ربات متحرک و اپراتورهای انسانی در نزدیکی آن ارائه می‌دهند.

تجارت سنسورهای LiDAR برای ربات ها

شرکت‌های متعددی سنسورهای LiDAR را ارائه می‌کنند که به راحتی می‌توانند در طیف وسیعی از برنامه‌های رباتیک گنجانده شوند. برای مثال Active Robotics چندین سنسور مختلف LiDAR از جمله سنسورهای خانواده Yujin YRL3 را ارائه می دهد. Neuvition همچنین مجموعه ای از محصولات LiDAR را ارائه می دهد، از جمله Titan S2 که به طور خاص برای کاربردهای داخلی در فاصله نزدیک طراحی شده است.

نام خبرنگار: مریم آموت سر

منبع:www.azorobotics.com