La fusión de sensores mejora la navegación y la seguridad de los Robots Móviles Autónomos
La filosofía detrás de la Industria 5.0 es que los humanos trabajen junto a robots impulsados por inteligencia artificial (IA), con la visión de que estos robots sean utilizados para apoyar a los humanos, no para reemplazarlos. Los Robots Móviles Autónomos (AMRs) pueden mejorar la productividad, aumentar la seguridad y ahorrar costos significativos a los fabricantes. Por estas razones, la adopción de los AMRs se expandirá a casi todas las industrias. Sin embargo, antes de que esto ocurra, los AMRs deben superar varios desafíos, y una de las claves para superar estos desafíos es la integración de varios sensores y el emergente campo de la fusión de sensores. Este artículo presentará el desarrollo de la tecnología de fusión de sensores y las soluciones relacionadas lanzadas por onsemi.
Las perspectivas de aplicación de AMR son prometedoras, pero también enfrentan desafíos
AMR tiene características de aplicación que pueden reducir costos, mejorar la seguridad y aumentar la eficiencia, por lo que cada vez más industrias están comenzando a adoptarlo. Según encuestas, el mercado global de AMR fue valorado en $8.65 mil millones en 2022, y se espera que la tasa de crecimiento anual compuesta (CAGR) sea del 18.3% desde 2022 hasta 2028. Aunque las perspectivas de desarrollo de AMR son prometedoras, la adopción de AMR también enfrenta muchos desafíos.
El desafío principal al adoptar AMR es la diversidad de aplicaciones y entornos en los que opera. Los usos comunes de AMR incluyen almacenes, tecnología agrícola, paisajismo comercial, atención médica, comercio minorista inteligente, seguridad y vigilancia, entrega, inventario, y clasificación y selección. En todos estos entornos diferentes, se espera que los AMR operen de manera segura alrededor de las personas.
Sin embargo, la complejidad de estos escenarios de aplicación hace que el trabajo de los AMR sea extremadamente desafiante. Para los humanos, algunas situaciones son dadas por sentado, pero los AMR pueden encontrar difícil manejarlas. Por ejemplo, imagina un robot de reparto entregando un paquete y viendo una pelota en medio del camino. Es probable que el robot pueda identificar la pelota y evitar golpearla, pero ¿es lo suficientemente inteligente como para prever que un niño podría salir corriendo a recoger la pelota? Existen muchas situaciones complejas como esta. Por ejemplo, ¿pueden los AMR usar y reconocer un espejo reflectante de 90 grados instalado en un poste al borde de la carretera para observar la situación en una esquina y predecir el tráfico por adelantado? ¿Puede un AMR entender que no debe caminar sobre concreto recién vertido? Estas cosas son comunes para los humanos, pero presentan desafíos para los AMR.
Quizás estas situaciones, que son fácilmente entendidas por los humanos, sean más desafiantes para los robots. Sin embargo, con los sensores adecuados, los AMRs podrían detectar objetos bajo luz solar intensa más fácilmente que los humanos. Pero identificar concreto recién vertido y líquidos derramados podría ser difícil. Además, los bordes, acantilados, rampas y escaleras también representan desafíos para los AMRs. También existen situaciones especiales, como cuando alguien sabotea deliberadamente el AMR, lo que inspiraría la necesidad de diseñar sistemas de maniobra de escape. Resolver muchos de los desafíos mencionados anteriormente requeriría que la IA utilizara modelos de lenguaje de última generación (LLMs) y diversos tipos de sensores de alto rendimiento.
Los sensores de alto rendimiento para AMR tienen sus propias ventajas y desventajas
Los AMRs pueden utilizar diferentes tipos de sensores para detectar el entorno, y estos sensores deben realizar localización y mapeo simultáneos (SLAM) mientras proporcionan mediciones de distancia y profundidad. Las métricas importantes de los sensores incluyen la detección de objetos, la identificación de objetos, el reconocimiento de colores, la resolución, el consumo de energía, el tamaño, el costo, el alcance, el rango dinámico, la velocidad y la capacidad de operar bajo diversas condiciones de iluminación y clima.
Los tipos de sensores que se pueden utilizar para AMRs incluyen sensores de imagen CMOS, detección de profundidad por tiempo de vuelo directo (dToF) y tiempo de vuelo indirecto (iToF), ultrasonidos, radar, posicionamiento inductivo, tecnología Bluetooth® de bajo consumo (Bluetooth LE), sensores inerciales y otros. Cada tipo de sensor tiene sus propias ventajas y desventajas.
Por ejemplo, el radar ofrece un excelente rendimiento en alcance y velocidad bajo condiciones de poca luz o clima adverso, pero tiene capacidades limitadas para la detección de colores, costos iniciales más altos y un tamaño relativamente grande (una consideración importante para los AMRs). LiDAR, debido a su proceso de fabricación de silicio CMOS de alto volumen, tiene un costo inicial relativamente bajo y funciona bien tanto de noche como bajo luz solar directa, aunque es menos eficaz en la clasificación de objetos. Por otro lado, los sensores de profundidad iToF ofrecen una excelente resolución y capacidades de procesamiento de bajo consumo.
Es evidente que utilizar un único tipo de sensor por sí solo no puede proporcionar toda la información que los AMRs necesitan para abordar todos los desafíos mencionados anteriormente. Dependiendo de la aplicación y el entorno, los AMRs requerirán varios o incluso múltiples tipos de sensores. Estos sensores no funcionan de forma aislada, sino que colaboran en un proceso conocido como fusión de sensores.
¿Cómo logran la fusión de sensores los robots móviles autónomos?
La fusión de sensores es el proceso de combinar dos o más fuentes de datos (de sensores y/o un algoritmo o un modelo) para obtener una mejor comprensión del sistema y su entorno. La fusión de sensores en los AMR es crucial, ya que proporciona mayor fiabilidad, redundancia y, en última instancia, seguridad, asegurando que los resultados de la evaluación sean más consistentes, precisos y fiables.
La fusión de sensores combina dos funcionalidades: recopilación de datos e interpretación de datos. El paso de "interpretar los datos" en la fusión de sensores requiere implementar un algoritmo o un modelo. A veces los resultados de la fusión de sensores están diseñados para hábitos humanos, como la asistencia en automóviles, y otras veces están diseñados para aplicaciones adicionales de máquinas, como el reconocimiento facial en sistemas de seguridad.
La fusión de sensores tiene varias ventajas, como la reducción del ruido de señal. La fusión de sensores homogéneos puede reducir el ruido no correlacionado, mientras que la fusión de sensores heterogéneos puede reducir el ruido correlacionado. Debido a su naturaleza inherente, la fusión de sensores mejora la fiabilidad a través de la redundancia. Dado que hay al menos dos sensores, si se pierde la información de un sensor, la calidad de la detección puede disminuir, pero como todavía está disponible la información de otros sensores, no fallará por completo. La fusión de sensores también se puede usar para estimar estados no medidos, por ejemplo, cuando un objeto o una parte de un objeto está oculta de la vista de una cámara, o cuando un objeto o superficie refleja luz de una cámara a otra, la fusión de sensores mantiene un cierto nivel de rendimiento en la detección.
Debido a estas ventajas y a la adopción acelerada del mercado, existen algunas tendencias emergentes en la fusión de sensores, incluyendo el uso de algoritmos impulsados por IA, una mejor detección y clasificación de objetos, la combinación de la fusión de sensores con múltiples modalidades de sensores para una percepción colaborativa, y la percepción ambiental en condiciones adversas. La fusión de sensores puede lograr una vista envolvente de 360 grados y permitir la calibración de sensores en tiempo real, entre otras funciones.
Proporcionar una solución completa para la fusión de sensores
La fusión de sensores en AMR tiene como objetivo tener un impacto significativo en las aplicaciones industriales y de transporte. En el proceso de avanzar hacia la Industria 5.0, onsemi está comprometido en proporcionar sensores y subsistemas para garantizar una implementación efectiva. Las soluciones de subsistemas de onsemi también son bastante diversas, que van desde sistemas de imagen de alta resolución resistentes hasta control de motores de alta potencia y soluciones compactas y eficientes de carga de baterías, todo ello basado en décadas de experiencia al servicio de la industria automotriz. Las soluciones de onsemi trabajan juntas para garantizar que el desarrollo sea más sencillo y que los robots industriales sean lo suficientemente adaptables y confiables como para operar en los entornos más exigentes.
Los robots móviles autónomos tienen funciones similares a los vehículos autónomos y son diseños complejos compuestos por múltiples subsistemas, lo que permite que los robots se muevan, observen y operen de manera segura con una interacción humana mínima. onsemi minimiza esta complejidad mediante soluciones confiables de potencia inteligente y detección, proporcionando los componentes fundamentales necesarios para tu diseño.
El núcleo de la fusión de sensores son los sensores. Si los datos de los sensores no son buenos, incluso los mejores algoritmos no producirán resultados de alta calidad. Afortunadamente, onsemi ofrece sensores y kits de herramientas de clase mundial para respaldar la fusión de sensores en AMR.
onsemi es un líder en tecnología de sensores inteligentes, ofreciendo un amplio portafolio de sensores de imagen con obturador rodante y obturador global con un rendimiento líder en la industria en características como rango dinámico y activación con movimiento, cumpliendo con los requisitos de diversas posibles aplicaciones finales, desde dispositivos wearables y electrónica de consumo hasta aplicaciones industriales y automotrices exigentes.
Además de los sensores de imagen, onsemi también ofrece SiPM para detección de rango (LiDAR). Este portafolio de productos incluye sensores ultrasónicos, sensores inductivos y microcontroladores que soportan la tecnología Bluetooth® LE, con soporte para AoA (Ángulo de Llegada) y AoD (Ángulo de Salida) para localización de posición.
Un ejemplo específico es el NCV75215, un producto estándar específico para aplicaciones (ASSP) diseñado para medición de distancia de estacionamiento mediante ultrasonido. Puede operar con sensores ultrasónicos piezoeléctricos para proporcionar la medición del tiempo de vuelo de la distancia de obstáculos durante el estacionamiento de vehículos/robots móviles autónomos (AMR). Cuenta con alta sensibilidad y operación de bajo ruido, permitiendo la detección desde 0,25 m hasta 4,5 m en un poste estándar de 75 mm, con la distancia mínima real determinada por la duración de la reverberación. En condiciones ideales, con circuitería externa perfectamente ajustada y adaptada, se puede lograr una distancia mínima de 0,2 m, con el rango de detección real dependiendo del transductor ultrasónico piezoeléctrico y las partes analógicas externas.
Este dispositivo opera el transductor ultrasónico a una frecuencia programable mediante un transformador. El eco recibido se amplifica, se convierte en una señal digital, se filtra, se detecta y se compara con un umbral dependiente del tiempo almacenado en una RAM interna. La distancia al obstáculo se determina por el tiempo desde el estallido de transmisión hasta el reconocimiento del eco. La línea de E/S bidireccional incorporada puede utilizarse para la comunicación con el maestro (ECU). El maestro envía comandos de línea de E/S al NCV75215, y los datos se reportan de vuelta a través de la misma línea.
Conclusión
Los robots móviles autónomos (AMRs, por sus siglas en inglés) tienen numerosos casos de uso, y su adopción está acelerándose, con una serie de mejores prácticas emergiendo para apoyar esta rápida integración. En primer lugar, es esencial controlar el entorno para reducir posibles colisiones que los AMRs puedan enfrentar. Un ejemplo de esto es la designación de rutas para AMRs/vehículos guiados automatizados (AGVs, por sus siglas en inglés) en instalaciones de manufactura o almacenes. En segundo lugar, es crucial utilizar gemelos digitales durante el proceso de desarrollo para simular casos de uso exactos, incluidos escenarios extremos. Por último, la integración de fusión de sensores con sensores inteligentes, algoritmos y modelos es fundamental. onsemi puede proporcionar una solución completa para la fusión de sensores, que incluye sistemas de imagen de alta resolución combinados con sensores de imagen, control de motores de alta potencia y soluciones eficientes para la carga de baterías compactas, cumpliendo con las diversas necesidades de las aplicaciones de AMR. Si tiene alguna necesidad relacionada, póngase en contacto con Arrow o onsemi para obtener más información sobre productos y aplicaciones.
Etiquetas de artículo
