Migliorare la localizzazione robotica con le IMU: una tecnologia fondamentale per una navigazione precisa

Introduzione

I robot mobili autonomi (AMR) sono essenziali per le fabbriche intelligenti e i magazzini del futuro e svolgono un ruolo fondamentale nel dare forma a fabbriche automatizzate, sostenibili e più pulite. Gli AMR migliorano l'efficienza, riducono gli sprechi e ottimizzano l'utilizzo in contesti industriali. Sebbene le fabbriche del futuro possano essere progettate e ottimizzate appositamente per consentire agli AMR di operare al loro interno, l’adattamento di questi robot ai magazzini e alle fabbriche esistenti presenta delle sfide. Il principale ostacolo per gli AMR riguarda due componenti critiche: un'efficiente pianificazione del percorso (determinazione del percorso ottimale) e una localizzazione precisa (aggiornamento continuo della posizione all'interno dell'ambiente).

Questo articolo si concentra sulla navigazione interna in ambienti chiusi senza GPS. Gli AMR utilizzano una serie di sensori e algoritmi per la localizzazione e la navigazione. Tra questi rientrano sensori visivi come telecamere, LIDAR e radar, nonché sensori di odometria come encoder delle ruote e IMU. Ciascuna modalità del sensore presenta vantaggi unici in termini di portata, precisione e informazioni dei sensori. La combinazione di questi sensori garantisce dati completi per un'efficace localizzazione del robot in ambienti dinamici. Sebbene una serie di sensori sia essenziale per la piena autonomia, questo articolo evidenzia i casi d'uso e l'ambiente impegnativo in cui operano gli AMR e il modo in cui le IMU aiutano nella localizzazione precisa, fondamentale per la navigazione e l'autonomia.

Cos'è un'IMU?

Le IMU sono dispositivi in miniatura realizzati con sistemi microelettromeccanici (MEMS). Di solito sono costituiti dai seguenti elementi:

• Accelerometro triassiale: gli accelerometri misurano l'accelerazione rispetto al campo gravitazionale terrestre. In una IMU, gli accelerometri triassiali vengono utilizzati per misurare gli assi x, y e z (vedere Figura 1).

Figura 1. Misure di accelerazione sugli assi x, y e z.

• Giroscopio triassiale: i giroscopi misurano la velocità di rotazione fornendo velocità angolare su ciascuno dei tre assi. Il giroscopio triassiale consente la misurazione della velocità angolare del robot (ωx, ωy, ωz) lungo gli assi x, y e z (vedere la Figura 2).

Figura 2. Misurazioni del giroscopio sugli assi x, y e z.

• Magnetometro ad alte prestazioni: fornisce misurazioni del campo magnetico, essenziali per una stima accurata dell'orientamento in ambienti difficili. Sebbene non sia molto diffuso, su alcune IMU precedenti è disponibile un magnetometro.
• Altro: un sensore di temperatura per compensare le variazioni di temperatura e un barometro per misurare la pressione.

Diagramma a blocchi funzionali dell'IMU

• Una IMU tipica include non solo giroscopi, accelerometri e un sensore di temperatura, ma anche la conversione analogico-digitale per estrarre le misurazioni e la compensazione della temperatura (vedere la Figura 3).

Figura 3. Tipico blocco funzionale di una IMU.

• Una IMU è dotata di algoritmi di filtraggio preliminare integrati, come il FIR (risposta all'impulso finita) integrato.
• La calibrazione e la compensazione correggono eventuali disallineamenti o scostamenti del sensore.
• L'utente ha la possibilità di ruotare (dƟ) dall'asse interno del modulo IMU per adattarlo al sistema di riferimento del robot prima di trasmettere i dati finali.

Perché le IMU sono utili per gli AMR?

• Localizzazione in tempo reale con elevate frequenze di aggiornamento: l'autonomia e la navigazione in tempo reale sono elementi cruciali nell'ambiente operativo di un robot. I sensori di percezione, tuttavia, funzionano in genere con una frequenza di aggiornamento limitata, che varia da circa 10 Hz a 30 Hz. Al contrario, le IMU vantano la capacità di fornire un output posizionale ad alta fedeltà, raggiungendo fino a 200 Hz. Questa maggiore frequenza di aggiornamento migliora significativamente l'affidabilità del sistema nell'adattarsi perfettamente ai rapidi cambiamenti di orientamento all'interno di un ambiente dinamico, facilitando risposte tempestive. La frequenza di aggiornamento accelerata consente inoltre agli AMR di fornire una stima della posizione durante i brevi intervalli tra altre misurazioni. Di conseguenza, le IMU svolgono un ruolo fondamentale nel raggiungimento della localizzazione in tempo reale, superando i sensori di percezione con velocità di aggiornamento 10 volte superiori.
• Determinazione del punto stimato: le IMU costituiscono la struttura portante per la determinazione del punto stimato, una tecnica di navigazione per stimare la posizione attuale in base a una posizione precedentemente nota. Fornendo costantemente dati su posizione, orientamento e velocità nel tempo, le IMU consentono una stima precisa, contribuendo a una navigazione affidabile per gli AMR.
• Dimensioni e peso compatti: le dimensioni compatte e il design leggero delle IMU le rendono ideali per l'integrazione in varie configurazioni di robot mobili. Ad esempio, l'Analog Devices ADIS16500, con un ingombro di soli 33,25 mm × 30,75 mm, garantisce un posizionamento efficiente senza compromettere la manovrabilità del robot.
• Robustezza in diversi ambienti: le IMU sono relativamente resistenti alle interferenze elettromagnetiche e possono funzionare in diversi ambienti, sia in esterni che in interni. Ciò li rende adatti a un'ampia gamma di applicazioni.
• Maggiore affidabilità grazie a frequenze di aggiornamento accelerate: mentre i sensori di percezione sono generalmente limitati a frequenze di aggiornamento comprese tra circa 10 Hz e 30 Hz, le IMU si distinguono perché forniscono un output sulla posizione ad alta fedeltà di dati grezzi fino a 4 kHz. Questa maggiore frequenza di aggiornamento migliora l'affidabilità, soprattutto in ambienti dinamici, consentendo agli AMR di rispondere rapidamente e di contribuire a stimare la posa nel breve intervallo di tempo che intercorre tra queste altre misurazioni.

Perché le IMU sono essenziali per gli AMR nonostante la disponibilità di sensori di visione

Un AMR, come mostrato nella Figura 4, in genere è dotato di diversi sensori visivi, come il tempo di volo (ToF), la telecamera, il LIDAR e così via. Nonostante la ricca serie di dati forniti dall'odometria visiva, permane la necessità dell'IMU. Gli scenari seguenti esplorano alcuni dei motivi per cui:

Figura 4. Pila di sensori di un AMR.

• AMR che naviga in un corridoio con poche caratteristiche: gli algoritmi di localizzazione e mappatura simultanea (SLAM) funzionano essenzialmente abbinando i dati dei sensori osservati, che vengono memorizzati nella mappa in modo che siano localizzati al suo interno. Quando un AMR percorre un lungo corridoio (vedere Figura 5), è destinato a perdere rapidamente la sua posizione. A causa della mancanza di caratteristiche distintive, come pareti fritte con colore, consistenza o riflettività uniformi, la tecnologia SLAM ha difficoltà a localizzare con precisione. In questo caso, le IMU fungono da prezioso sistema di guida, fornendo informazioni sulla direzione e l'orientamento.

Figura 5. L'AMR perde l'odometria visiva in un corridoio privo di caratteristiche.

• Navigazione in ambienti aperti di grandi dimensioni - limitazioni di portata: quando si opera in un ampio spazio aperto, come un grande magazzino (ad esempio 50 m × 50 m), gli AMR hanno difficoltà di localizzazione, poiché le caratteristiche uniche si estendono oltre la portata del sensore (la portata massima dei lidar è in genere compresa tra 10 e 15 m). Come mostrato nella Figura 6, l'odometria dell'AMR è già andata persa a causa dell'ampio spazio. Inoltre, i magazzini hanno spesso caratteristiche uniformi, il che rende difficile l'utilizzo dei sensori visivi. In tali scenari, le IMU e gli encoder delle ruote sono le uniche fonti affidabili per una localizzazione locale precisa.

Figura 6. Campo visivo (FoV) limitato dei sensori, AMR non in grado di localizzarsi in un ampio spazio aperto.

• Navigazione su un pendio: durante le manovre su un pendio, l'algoritmo SLAM tradizionale incontra una sfida quando si affida al LIDAR, poiché i dati dei punti 2D non mostrano informazioni sulla pendenza. Di conseguenza, le pendenze vengono interpretate erroneamente come muri o ostacoli, con il risultato di mappe dai costi più elevati. Di conseguenza, gli approcci SLAM convenzionali con sistemi 2D diventano inefficaci sui pendii. Le IMU aiutano a risolvere questa sfida estraendo informazioni sul gradiente (Figura 7) per gestire in modo efficace la navigazione su un pendio.

Figura 7. AMR in movimento su un pendio.

• Fattori ambientali durante la navigazione - sensibilità ai fattori ambientali: i sensori LIDAR possono essere sensibili a vari fattori ambientali, come luce, polvere, nebbia e pioggia. Questi fattori possono degradare la qualità dei dati del sensore e, a loro volta, influenzare le prestazioni dell'algoritmo SLAM. Allo stesso modo, altre modalità dei sensori vengono influenzate dalle superfici riflettenti e dagli oggetti dinamici in movimento (altri AMR o lavoratori), confondendo ulteriormente lo SLAM. La tabella 1 riassume il modo in cui l'ambiente influisce sulle diverse modalità dei sensori. Le IMU possono funzionare in modo affidabile in una varietà di ambienti, il che le rende una scelta versatile per i robot mobili.

Tuttavia, nessun sensore è perfetto!

Sebbene le IMU abbiano dei vantaggi, comportano anche dei rischi e delle sfide:

• Rumore: le misurazioni IMU sono soggette a rumore, che può compromettere la precisione della navigazione e del controllo del robot. Per compensare il rumore, le IMU spesso utilizzano tecniche di filtraggio avanzate come il filtraggio di Kalman o FIR.
• Bias: i sensori IMU accumulano nel tempo dei bias, che possono causare errori nell'orientamento e nella stima del movimento. Per risolvere questo problema, vengono utilizzati algoritmi di stima dello scostamento per aggiornare continuamente le letture del sensore IMU.
• Non linearità: i sensori IMU presentano un comportamento non lineare, che può complicare ulteriormente l'elaborazione e l'interpretazione dei dati. Per compensare la non linearità, è necessario calibrarli per caratterizzare il comportamento del sensore e applicare le opportune correzioni.
• Spostamento casuale: le IMU sono suscettibili a eventi termomeccanici esterni che causano errori nell'ARW (Angle Random Walk) (nel giroscopio) e nel VRW (Velocity Random Walk) (nell'accelerometro).

Come possiamo mitigare questi rischi? La risposta è la fusione dei sensori.

In che modo la fusione dei sensori può aiutare?

• Aumenta l'affidabilità.
• Aumenta la qualità dei dati.
• Stima meglio gli stati non misurati.
• Aumenta la copertura garantendo così la sicurezza.

Significato dell'algoritmo di fusione dei sensori:

• Le tecniche di stima dello stato, come il filtraggio di Kalman esteso, possono correggere errori di rumore, ARW e instabilità degli errori durante il normale funzionamento degli AMR.
• Gli errori del giroscopio di beccheggio e rollio possono essere eliminati all'interno di una IMU misurando l'accelerazione dovuta alla gravità terrestre.
• L'algoritmo traccia e corregge la deviazione di scostamento e corregge l'errore ARW.

Filtro di Kalman esteso (EKF):

• Supporta la stima degli stati passati, presenti e futuri anche quando la natura precisa del sistema modellato è sconosciuta. La figura 8 mostra un algoritmo EKF semplificato.
• Nel tempo vengono osservate misurazioni che contengono rumore bianco gaussiano o altre imprecisioni e vengono stimati i valori reali delle misurazioni attraverso
• Sincronizzazione delle misurazioni tra i sensori
• Previsione della posa e stime di errori
• Stima e aggiornamento dell'incertezza del valore previsto

Figura 8. Algoritmo EKF (semplificato).

• Fusione dei sensori:
• In un tipico sistema basato sul sistema operativo del robot (ROS), i sensori di visione insieme all'IMU e all'odometria delle ruote (Figura 9) vengono fusi utilizzando un popolare pacchetto open source basato su ROS chiamato robot_localization,3 che utilizza l'algoritmo EKF al suo interno. Questo pacchetto consente la fusione di un numero illimitato di sensori e di vari input di sensori come IMU, velocità delle ruote e odometria. L'output di posa fornito da robot_localization include stime 3D della posizione e dell'orientamento del robot, nonché velocità e accelerazione lineari/angolari, che vengono inviate all'algoritmo SLAM. L'output della posa è espresso in termini di:
• Stato di posa = (X, Y, Z, rollio, beccheggio, imbardata, X˙, Y˙, Z˙, rollio˙, beccheggio˙, imbardata˙, X¨, Y¨, Z¨).

Figura 9. Tipico sistema di fusione di sensori che utilizza ROS.

In che modo l'utilizzo di un'ADI IMU contribuisce a risolvere queste sfide?

Analog Devices fornisce diverse IMU per varie applicazioni, tra cui i robot mobili. La proposta di valore unica offerta è elencata come segue:

• Calibrazione integrata: le IMU di ADI sono dotate di un accelerometro e un giroscopio completamente calibrati in fabbrica, che gestiscono parametri quali sensibilità, scostamento, allineamento, scostamento del giroscopio per l'accelerazione lineare e accelerometro. Le correzioni dinamiche integrate dell'offset compensano le variazioni della tensione di alimentazione, della temperatura e delle interferenze magnetiche, oltre a capacità di riduzione del rumore.4 Ciò consente una significativa riduzione dei tempi di integrazione del sistema e dei costi di acquisizione, semplificando l'implementazione complessiva di misurazioni accurate dei sensori in applicazioni industriali in diverse condizioni.
• Convertitori analogico-digitali (ADC) a basso rumore e alta larghezza di banda: catturano i dati dei sensori con precisione e larghezza di banda elevate, garantendo il funzionamento affidabile e reattivo.
• Elevata precisione: le IMU ADI forniscono misurazioni accurate di orientamento, movimento e velocità, consentendo ai robot di prendere decisioni informate e di muoversi nell'ambiente circostante con precisione.
• Basso consumo di corrente: i robot mobili in genere funzionano a batterie, pertanto un basso consumo di corrente è essenziale per estendere il loro raggio d'azione. Le IMU di ADI sono altamente efficienti, riducono al minimo il consumo di corrente e massimizzano la durata della batteria.
• Dimensioni compatte: per adattarsi ai vincoli di spazio limitati dei robot mobili, le IMU ADI sono progettate con fattori di forma compatti. Ciò consente una facile integrazione in varie configurazioni di robot senza comprometterne le prestazioni.
• Facilità di integrazione: la facile integrazione con il sistema di controllo del robot è essenziale per un funzionamento senza problemi. Le schede di prova di ADI per IMU, combinate con i nodi ROS open source, consentono la facile integrazione per la creazione di AMR.

Conclusione

Le IMU sono essenziali per la localizzazione negli AMR, poiché forniscono stime di orientamento e tracciamento del movimento e offrono una risposta in tempo reale con elevate frequenze di aggiornamento, consentendo agli AMR di navigare in ambienti dinamici. Le tecniche di fusione dei sensori, come il filtro di Kalman, consentono di combinare altre modalità di sensori per compensare reciprocamente i rispettivi limiti. ADI offre un'ampia gamma di IMU per soddisfare i requisiti specifici delle varie applicazioni di robot mobili.