在科技革新的浪潮中,各種功能型機器人層出不窮,其中,無人清掃機器人正在以前所未有的速度變革著城市清潔服務。漢嘉設計控股子公司伏泰科技自主研發(fā)無人清掃機器人星筠?,本文將揭秘清掃機器人的核心技術手段,闡述機器人如何實現高效、安全且可靠的清掃作業(yè)。
一、全息洞察、融合感知:基于多模態(tài)感知技術與融合算法方案
無人清掃機器人的全天候工作能力依賴于強大的感知系統(tǒng)。
為了克服單一感知方式的局限性,有效提升機器人的環(huán)境適應能力和目標識別的準確性,無人清掃機器人星筠?創(chuàng)新性地采用了多源異構傳感器方案,即以視覺AI為主導,結合多種傳感器協(xié)同工作。
該方案包括:
→非接觸式傳感器:
高清可見光攝像頭:捕捉清晰的RGB圖像,呈現周圍環(huán)境細節(jié),包括色彩、紋理和動態(tài)變化。
紅外熱成像攝像頭:在夜晚或光線不足的環(huán)境下,探測熱量差異,識別隱藏的障礙物或異常溫度區(qū)域。
激光雷達:提供高精度三維點云數據,實現精確測距與障礙物檢測,不受光照條件的影響。
→接觸式傳感器:通過力接觸獲取硬度數據,不僅能保護作業(yè)機構,還能為視覺感知提供有效的監(jiān)督信息。
這些傳感器的數據不是孤立的,而是通過算法進行融合,形成一個統(tǒng)一、高維度的感知畫面,使每個像素有顏色、紋理、硬度等信息。
這些來自“多維異構數據矩陣”的海量信息,再通過多模態(tài)數據融合算法處理和解釋,能提高感知的精度和魯棒性,大幅增強機器人對復雜環(huán)境的適應能力。
環(huán)境狀態(tài)自適應:應對各種不同場景。
目標識別與分類:識別行人、車輛、動物等,提供決策依據。
場景建立與語義分割:創(chuàng)建詳細場景地圖,識別關鍵元素。
動態(tài)目標預測:預測周圍物體的未來動作,制定應急策略。
未知小物體分析:精確感知未知障礙物尺度,判斷物體硬度。
在實際作業(yè)中,機器人一旦檢測到障礙物,便會迅速處理傳感器數據,生成最優(yōu)路徑規(guī)劃,避免碰撞;此外,云端能持續(xù)監(jiān)控清掃效果,對未清潔區(qū)域進行識別及補掃,確保作業(yè)的安全性和連續(xù)性。
為了更好應對復雜場景,伏泰科技創(chuàng)新性地采用了非均勻分布OCC占用網絡——將感知到的環(huán)境數據轉化為結構化的占據柵格地圖,并根據場景復雜度動態(tài)調整柵格密度。通過對動態(tài)場景的精細化建模,機器人能夠在確保做出精確決策的同時精簡算力,提高整體運行效率。
二、動態(tài)決策、精細控制:“端到端學習”與“力控制策略”
1、端到端學習:一體化整合,打破傳統(tǒng)模塊化系統(tǒng)的“瓶頸”
在傳統(tǒng)環(huán)衛(wèi)工作中,無論是人工還是傳統(tǒng)的自動駕駛系統(tǒng),通常需要經歷一個復雜的過程:首先由傳感器收集環(huán)境信息,然后通過預處理模塊進行信息分類和整理;接著由決策模塊根據整理后的信息做出判斷;最后由執(zhí)行機構完成相應的動作。
這種模塊獨立、分步處理的方式雖然在一定程度上實現了自動化,但在復雜多變的道路環(huán)境中,或在面對突發(fā)狀況時,往往反應遲緩,這樣的模塊化架構可能會導致信息交互的延遲,進而影響決策的速度。
與此形成鮮明對比的是,端到端學習采用了一種全新的集成方式。
端到端學習(End-to-End Learning)是建立在深度學習框架之上的一種方法,其核心在于使用單一的神經網絡模型直接從輸入數據生成最終輸出結果。
伏泰科技將端到端學習這一技術應用于無人清掃機器人星筠?,通過統(tǒng)一的神經網絡模型,從傳感器(如攝像頭、激光雷達等)直接獲取輸入并做出決策,整合感知、決策和執(zhí)行過程,形成一體化的高效工作模式,更好地應對復雜多變的作業(yè)環(huán)境。
→端到端架構的優(yōu)勢
簡化決策鏈條:減少信息傳遞中的延遲現象。
提升反應速度和決策精度:快速適應環(huán)境變化,做出精準反應。
一體化的高效工作模式:整合感知、決策和執(zhí)行過程。
例如,星筠?的傳感器會持續(xù)采集路況、天氣變化、交通流量及地面臟污情況等實時數據,基于這些數據,端到端模型能夠直接生成清掃決策,包括行進路徑、避障策略以及對清掃力度和頻次的調整。
當處在行人突然出現或車輛變道等動態(tài)場景中時,端到端模型能更快速地適應變化,做出精準反應。
由于所有步驟都在同一算法框架內完成,機器人可以實現更為協(xié)調一致的操作,從而提升整體工作效率。
2、力控制策略:實現高效的執(zhí)行與互動
就像人類依賴多種感官來感知環(huán)境而不單是視覺一樣,無人清掃機器人星筠?除了配備視覺傳感器之外,還集成了多種觸覺傳感器——如力傳感器、角度傳感器、陀螺儀和加速度計等,實時采集環(huán)境數據及機器人狀態(tài)信息并經過預處理(如去噪、濾波和歸一化),以確保信息的準確性和一致性;
再通過神經網絡對處理后的數據進行特征提取,讓機器人能夠識別環(huán)境特征并分析當前狀態(tài)。
基于大量現實中的標注數據集和生成式AI模擬的數據,深度學習模型會針對不同環(huán)境的力控制策略進行大量訓練,提升機器人的泛化推理能力,從而更好地應對在作業(yè)中遇到的各類復雜情況。
在實際作業(yè)中,實時傳感器數據會被輸入到訓練好的模型中,模型會根據當前環(huán)境狀態(tài)即時預測合適的力控制策略,并通過控制器精確執(zhí)行相應動作。同時,力傳感器會持續(xù)監(jiān)測機器人在作業(yè)過程中施加的力,將反饋數據傳輸給控制系統(tǒng),并根據實際情況動態(tài)優(yōu)化控制策略,確保機器人配備的自適應獨立掃盤能夠執(zhí)行到位。就像人類在觸摸物體時會調整力度一樣,觸覺傳感器使機器人能夠靈敏感知環(huán)境變化,精確調整清掃動作。例如在貼近邊緣清掃時,機器人能夠自動調整力道,避免清掃盤侵入量過大,從而減少磨損并延長使用壽命。
通過持續(xù)監(jiān)測與動態(tài)反饋,機器人形成了感知-決策-執(zhí)行閉環(huán),確保在復雜環(huán)境中高效、可靠地運行。
目前,伏泰科技已積累了超6萬輛環(huán)衛(wèi)車的作業(yè)數據,依托云端管理系統(tǒng)的強大數據處理能力,為無人清掃機器人星筠?的強化學習、算法優(yōu)化提供了豐富的數據池,并在上海、江蘇、浙江、廣東、四川、河南等地區(qū)的商業(yè)化運營中,更加精準、高效地應對多樣化的作業(yè)場景,確保作業(yè)質量嚴格遵循環(huán)衛(wèi)考核標準。
未來,伏泰科技將不斷深耕無人清掃技術應用、持續(xù)積累數據,在城市少人化/無人化環(huán)衛(wèi)運營乃至更多領域發(fā)揮無人清掃機器人獨特的優(yōu)勢,成為推動社會進步和城市現代化的重要力量。
免責聲明:以上內容為本網站轉自其它媒體,相關信息僅為傳遞更多信息之目的,不代表本網觀點,亦不代表本網站贊同其觀點或證實其內容的真實性。如稿件版權單位或個人不想在本網發(fā)布,可與本網聯(lián)系,本網視情況可立即將其撤除。