Navigation robot

Pour tout appareil mobile, il est important de pouvoir naviguer dans son environnement. Éviter les situations dangereuses telles que les collisions et les conditions dangereuses (température, rayonnement, exposition aux intempéries, etc.) vient en premier, mais si le robot a un objectif lié à des endroits spécifiques de son environnement, il doit trouver ces endroits. Cet article présente une vue d’ensemble des compétences en navigation et tente d’identifier les blocs de base d’un système de navigation robotique, les types de systèmes de navigation et un examen plus approfondi de ses composants de construction.

La navigation par robot signifie la capacité du robot à déterminer sa propre position dans son cadre de référence, puis à planifier un chemin vers un emplacement d’objectif. Pour pouvoir naviguer dans son environnement, le robot ou tout autre appareil de mobilité nécessite une représentation, c’est-à-dire une carte de l’environnement et la capacité d’interpréter cette représentation.

La navigation peut être définie comme la combinaison des trois compétences fondamentales:

Auto-localisation

Planification de parcours
Construction de cartes et interprétation de cartes

« Carte » dans ce contexte désigne tout mappage un à un du monde sur une représentation interne.

La localisation du robot indique la capacité du robot à établir sa propre position et son orientation dans le cadre de référence. La planification de trajectoire est en réalité une extension de la localisation, en ce sens qu’elle nécessite la détermination de la position actuelle du robot et la position d’un emplacement cible, toutes deux dans le même cadre de référence ou les mêmes coordonnées. La construction de la carte peut prendre la forme d’une carte métrique ou de toute notation décrivant des emplacements dans le cadre de référence du robot.

Navigation basée sur la vision
La navigation visuelle ou optique utilise des algorithmes de vision par ordinateur et des capteurs optiques, y compris un télémètre laser et des caméras photométriques utilisant des matrices CCD, pour extraire les caractéristiques visuelles nécessaires à la localisation dans l’environnement. Cependant, il existe toute une gamme de techniques de navigation et de localisation utilisant des informations de vision. Les principales composantes de chaque technique sont les suivantes:

représentations de l’environnement.
modèles de détection.
algorithmes de localisation.

Afin de donner un aperçu de la navigation par vision et de ses techniques, nous avons classé ces techniques dans la navigation intérieure et la navigation extérieure.

Navigation intérieure
Le moyen le plus simple de faire passer un robot à un emplacement d’objectif est tout simplement de le guider vers cet emplacement. Ce guidage peut être effectué de différentes manières: enfouir une boucle inductive ou des aimants dans le sol, tracer des lignes au sol ou placer des balises, des marqueurs, des codes à barres, etc. dans l’environnement. Ces véhicules à guidage automatique (AGV) sont utilisés dans des scénarios industriels pour des tâches de transport. La navigation intérieure des robots est possible avec les dispositifs de positionnement intérieurs basés sur l’IMU.

Il existe une très grande variété de systèmes de navigation intérieurs. La référence de base des systèmes de navigation intérieurs et extérieurs est « Vision pour la navigation de robots mobiles: une étude » de Guilherme N. DeSouza et Avinash C. Kak.

AVM Navigator
AVM Navigator est un module supplémentaire de RoboRealm (plug-in) qui fournit une reconnaissance d’objet et une navigation autonome à l’aide d’une seule caméra vidéo sur le robot en tant que capteur principal pour la navigation.

Cela est possible grâce à l’utilisation d’un algorithme « Mémoire vidéo associative » (AVM) basé sur la décomposition multiniveau des matrices de reconnaissance. Il offre une reconnaissance d’image avec un faible taux de faux acceptations (environ 0,01%). Dans ce cas, la navigation visuelle est simplement la séquence d’images (points de repère) avec les coordonnées associées qui ont été mémorisées dans l’arborescence AVM lors de la formation. La carte de navigation est présentée sous la forme d’un ensemble de données (telles que les coordonnées X, Y et l’azimut) associées aux images à l’intérieur de l’arborescence AVM. Lorsqu’un robot voit des images de la caméra (marques) pouvant être reconnues, il confirme son emplacement actuel.

Le navigateur crée un chemin entre l’emplacement actuel et la position cible en tant que chaîne de points de cheminement. Si l’orientation actuelle du robot ne pointe pas vers le prochain point de cheminement, le navigateur tourne le corps du robot. Lorsque le robot atteint un point de cheminement, le navigateur change de direction et passe au prochain point de cheminement de la chaîne, et ainsi de suite jusqu’à ce que la position cible soit atteinte.

Navigation extérieure
Certains algorithmes récents de navigation en plein air sont basés sur un réseau de neurones convolutionnel et un apprentissage automatique, et sont capables d’inférence précise tour par tour.

Contrôleurs de vol autonomes
Les contrôleurs de vol autonomes Open Source typiques ont la capacité de voler en mode entièrement automatique et d’effectuer les opérations suivantes:

Décoller du sol et voler à une altitude définie
Voler vers un ou plusieurs waypoints
Orbite autour d’un point désigné
Retour à la position de lancement
Descendre à une vitesse spécifiée et atterrir

Le contrôleur de vol embarqué s’appuie sur le GPS pour la navigation et le vol stabilisé, et utilise souvent des systèmes supplémentaires de renforcement par satellite (SBAS) et un capteur d’altitude (pression barométrique).