AMRナビゲーション・スポットライト・シリーズの第5回目のブログへようこそ！今回は、AMRがローカリゼーション・データにどのような用途があるのかに焦点を当てます。 前回のブログはこちらをクリックしてください。ロボット制御スタックとデータのインターフェース方法について説明しています。
ローカライゼーション・データは、自律移動ロボットの目的達成のための手段でしかありません。しかし、AMRは実際にこのデータを何に使うのでしょうか？それがこのブログで取り上げることだ。
ローカライゼーションデータを必要とするロボット制御スタックの5つのモジュール
一般的に言って、AMRがどのように動作しようとも、制御スタックにはローカライゼーションデータを必要とする5つの主要なジョブがあり、それぞれ異なるモジュールによって実行される：
- ローカライジング- ロボットがどこにいるかを特定すること。
- パスプランニング- 現在地からゴールまでの道のりを考える。
- アクチュエータ制御- ロボットをどのように動かして経路をたどるかを決める。
- 障害物知覚- 障害物を見つけ、その距離感を把握する。
- 意思決定- AMRとその周囲の環境の安全を確保するために、さまざまな状況にどのように対応するか。
これらの仕事はそれぞれローカリゼーション・データに依存しているが、そのデータの使用方法は若干異なるかもしれない。
要約すると、ロボット工学の文脈では、ローカライゼーション・データとは次のようなものを指す：
- 緯度／経度などのグローバル座標フレーム、またはローカル座標フレーム（つまり、AMRの位置は、充電ステーションなどの定義された原点に対して測定される）のいずれであっても、位置データ。
- AMRがどの方向を向いているか、X軸、Y軸、Z軸のいずれに傾いているかを示すオリエンテーションデータ。
ローカライゼーション・モジュールがどのようにローカライゼーション・データを使用するかは、お分かりいただけたと思います。INSなどのセンサーから入力を受け取り、デコーダーやドライバーを経由して、制御スタックの他の部分が使用できる形式に変換し、スタックの他の部分にデータを送信します。また、認識データを取得し、そのデータを使用してローカライゼーション・データのロバスト性を向上させることもできる（例えば、LiDARを使用してオドメトリーを計算し、LIOのようなソリューションを使用する）。 OxTS LIO).次に、コントロールスタックの他のエリアに飛び込み、それらがどのようにローカライゼーションデータを使用するかを見てみよう。
パーセプション・モジュールがローカリゼーション・データを使用する方法
それは、AMRが衝突を回避できるように障害物を発見することと、マッピングのためにAMRの周囲の環境を認識することです。ローカライゼーション・データを使用するのは、2番目の仕事であるマッピングです。
この例としては、LiDARスキャナーからのデータをSLAM（Simultaneous Localisation and Mapping）アルゴリズムに通して作成された2D地図があります。LiDARデータは、アルゴリズムがマップを作成するのに役立ちますが、AMRをマップ内に位置づけるためには、ローカライゼーションデータが必要です。具体的には、SLAMでは、AMRは地図上の出発点を生成するため、また、SLAMマッピング中に忍び寄るドリフトを最小限に抑えるため、移動中にも時々、ローカライゼーションデータを必要とします。生成されたマップは、環境内の安全な経路を計画するために使用される。そこで...
パスプランニングにローカライゼーションデータを使用
パスプランニングとは、ロボットの現在ポーズまたはスタートポーズからゴールポーズまでの安全なルートを自己計算する機能です。最速のルートを見つけるように設計されたものもあれば、最も安全なルートを見つけるように設計されたものもある。知覚モジュールは障害物を発見するかもしれませんが、それを回避するルートを計算するのはパスプランニング機能です。
AMRがパスプランニングにどのようなアルゴリズムを使うにせよ、3つのことを知る必要がある：ロボットがどこにいるのか（パスの開始時とそれに沿って移動する時の両方）、ゴールがどこにあるのか、そしてロボットがいる空間のレイアウト。
先ほど述べたように、AMRのセンサーから得られる位置データを使って環境地図を作成することができます。あるいは、環境を調査してデジタル地図を作成し、ロボットに渡すこともできます。例えば、倉庫の3Dポイントクラウドを作成することができます。 OxTS Georeferencer.
アクチュエーターコントローラーとローカライゼーションデータ
アクチュエーターコントローラーは、AMRが経路上に留まり、ゴールに向かって移動することを確実にする役割を担っています。アクチュエーター・コントローラーは、パルス波変調（PMW）を使ってモーターを直接制御したり、インターフェイスが前進と操舵の速度コマンドを使い、それをPMWに変換する追加レイヤーを含むなど、いくつかの異なる方法で動作します。
INSからの位置と姿勢のデータは、ロボットがまだ進路上にいるかどうか、もし進路上にいない場合、どのようにして進路に戻るかを伝えるために不可欠である。
意思決定におけるローカリゼーション・データ
意思決定者は、ある条件下でロボットがどのように行動すべきかを決定する。例えば、ロボットから1cm未満の距離に物体がある場合、ロボットは停止すべきである。あるいは、ロボットが経路から一定量逸脱した場合は、停止して経路を再計算すべきである。
ロボットの位置や姿勢を決定する際に、ローカライゼーションデータが不可欠であることは言うまでもありません。 ローカライゼーションデータを使用するAMR制御システムでは、データの品質が高ければ高いほど、より優れた制御が可能になります。精度が高ければ高いほど、ロボットはアクチュエータをより正確に制御することができ、地図データの品質が高ければ高いほど、より正確な経路計画を立てることができます。位置精度の信頼性が高まれば、意思決定もより正確になり、ロボットの安全性を維持したり、動作を継続したりすることができます。
OxTS プロトタイプ
このブログでは、AMR制御システムのプロトタイプを紹介します。センサーフュージョン能力をテストし、AMRの専門知識を開発するために、私たちはClearpath Jackal UGVに搭載する制御システムを構築しました。我々の制御スタックには、Jetson Nano上で動作する複数のROS2モジュールと OxTS AV200GNSS/INS、ホイール・エンコーダ、ArUcoマーカー・アイド・システムが搭載されています。
ROS2 モジュール ROS2モジュール今回使用したモジュールには、障害物検知器、経路追従コントローラー、意思決定メーカー、AMRのシステム状態、経路、姿勢をリアルタイムで視覚化するシステムモニターなどがあります。この後のブログで、プロトタイプとそのモジュールの詳細をご紹介する予定です。
自律型ロボットナビゲーション ソリューション概要
AMRは、ロボットの位置と向きを記録するだけでなく、屋内でも屋外でも動作するツールである。
このソリューション概要では、自律移動ロボットのローカライゼーションのソースを決定する際に、お客様に検討いただくことをお勧めする点について説明します。
ソリューション概要をお読みください。適切なロボットローカリゼーションソリューションがAMRプロジェクトにどのように役立つのか、プロジェクトに着手する前に自問自答すべき重要な質問を含めてご覧いただけます。
このブログを楽しんでいただき、AMRの旅を始めたばかりの方のお役に立てれば幸いです。
現在、AMRエンジニアのために何ができるのか、さらに詳しくお知りになりたい方は、こちらをご覧ください、 応募ページを見る.
また、具体的なプロジェクトについてご相談がある場合は、以下のフォームからお問い合わせください。私たちは、最新かつ最高のロボット工学プロジェクトについて話し合うことを常に楽しみにしています。
次回のブログは「知覚とマッピング入門」です。
