Robocikowo>ROBOCIKOWO
Robotyka

Percepcja infrastrukturalna

AktywnyOpublikowany
Paradygmat autonomii, w którym percepcja i inteligencja znajdują się w infrastrukturze otoczenia (stałe czujniki, obliczenia brzegowe, zdalne planowanie), a nie na pokładzie pojazdu.
Kluczowa innowacja
Przeniesienie percepcji, predykcji i planowania z pojazdu do stałej infrastruktury otoczenia, dzięki czemu pojazd nie wymaga własnych czujników ani pokładowego systemu autonomicznej jazdy.
Kategoria
Robotyka
Poziom abstrakcji
Paradygmat
Poziom operacji
Sterowanie robotemSystem
Zastosowania
Automatyczne przemieszczanie pojazdów (vehicle marshalling) w fabrykach motoryzacyjnychCentra logistyki pojazdówPorty i terminaleJardy i place manewroweTransport od końca linii produkcyjnej do wysyłki (end-of-line)

Jak działa

Stałe czujniki rozmieszczone w otoczeniu (np. LiDAR-y w infrastrukturze zakładu) na bieżąco skanują przestrzeń, lokalizując pojazdy z dokładnością centymetrową oraz wykrywając i klasyfikując obiekty. Zdalny stos autonomii realizuje percepcję, predykcję zachowania obiektów (modele uczenia maszynowego) oraz planowanie bezpiecznych trajektorii. Wyznaczone trajektorie są przesyłane bezprzewodowo do pojazdu z dużą częstotliwością (w rozwiązaniu Embotech 10 razy na sekundę, w pakietach ok. 150 bajtów), gdzie wykonuje je pokładowy układ sterowania (drive-by-wire). Nadrzędny system zarządzania flotą przydziela misje i orkiestruje ruch wielu pojazdów.

Rozwiązany problem

Autonomia pokładowa wymaga kosztownego zestawu czujników i mocy obliczeniowej w każdym pojeździe oraz ograniczona jest polem widzenia z perspektywy pojazdu (martwe pola). Przeniesienie percepcji i inteligencji do współdzielonej infrastruktury pozwala uruchamiać autonomiczny ruch nawet nieprzystosowanych pojazdów, obniża koszt na pojazd i daje szerszy, globalny obraz sceny.

Komponenty

Stałe czujniki infrastrukturalnePercepcja i lokalizacja

Czujniki (np. LiDAR-y, kamery) zamontowane na stałe w otoczeniu, które obserwują przestrzeń roboczą, lokalizują pojazdy i wykrywają obiekty.

Zdalny stos autonomii (offboard)Percepcja, predykcja, planowanie

Obliczenia poza pojazdem realizujące percepcję, predykcję i planowanie trajektorii.

Łącze komunikacyjne pojazd-infrastrukturaTransmisja poleceń sterujących

Bezprzewodowe łącze przesyłające wyznaczone trajektorie z infrastruktury do pojazdu w czasie rzeczywistym.

System zarządzania flotąOrkiestracja floty

Warstwa nadrzędna przydzielająca misje pojazdom i orkiestrująca przepływ ruchu, zintegrowana z backendem obiektu.

Pokladowy interfejs sterowania (drive-by-wire)Wykonanie ruchu w pojeździe

Minimalny układ pokładowy wykonujący odebrane trajektorie poprzez elektroniczne sterowanie napędem, kierownicą i hamulcami.

Implementacja

Pułapki implementacyjne
Autonomia ograniczona do obszaru pokrytego czujnikamiWysoka

Poniewaz czujniki sa zamontowane na stale w infrastrukturze, autonomia dziala tylko w instrumentowanej strefie; poza nia pojazd traci percepcje otoczenia.

Zaleznosc od niezawodnego lacza sterujacego w czasie rzeczywistymWysoka

Trajektorie sa przesylane bezprzewodowo do pojazdu, wiec opoznienie lub utrata lacza musza byc obslugiwane przez bezpieczna warstwe awaryjna.

Ewolucja

2022
Wdrozenie infrastrukturalnego marshallingu pojazdow w produkcji seryjnej
Punkt przełomowy

Rozwiazanie Automated Vehicle Marshalling firmy Embotech, oparte na modelu autonomii infrastrukturalnej i certyfikowane przez TUV SUD jako poziom 4, rozpoczelo prace w trybie 24/7 w produkcji seryjnej.

Hiperparametry (konfigurowalne osie)

Pokrycie i rozmieszczenie czujnikówKrytyczna

Zasięg i geometria rozmieszczenia stałych czujników wyznaczają obszar, w którym możliwa jest autonomia.

Czestotliwosc aktualizacji trajektoriiWysoka

Czestotliwosc wyznaczania i przesylania trajektorii do pojazdu.

10 HzWartosc raportowana przez Embotech dla AVM (ok. 150-bajtowe pakiety).
Budzet opoznien laczaKrytyczna

Dopuszczalne opoznienie lacza pojazd-infrastruktura, krytyczne dla bezpieczenstwa sterowania w czasie rzeczywistym.

Wymagania sprzętowe

Dobry fit

Zdalna percepcja (detekcja i klasyfikacja obiektow z LiDAR-ow i kamer) oraz modele predykcji zwykle dzialaja na serwerach brzegowych z GPU.