思岚CEO陈士凯:我们是怎么处理机器人自主定位导航的那些坑

2017-11-28| 发布者: admin| 查看: |

  机器人生态需求职业各个环节一同协助,才干进行茁壮的生长。思岚科技是一家定坐落供给机器人的小脑和眼睛的公司,只是我们在整个机器人生态傍边是处于中心的处理计划方位。今日,和我们介绍一下这么多年以来我们的导航定位技能在实践机器人傍边遇到的应战,还有我们思岚是怎样处理的。今日主要的侧重点是在它的可移动部分,这其实也就是习惯了议程的““万物有灵”,这个灵在思岚看来是它的可移动性。

  自主定位导航技能成机器人产品的焦点

  高交会上能够看到许多智能机器人的产品,现在我们发现市面上智能转移机器人、扫地机器人、商用机器人这几品类比较成功,也信任将会有蓬勃开展的市场。

  现在我们把机器人分红两大方向。第一个是专用范畴。这类机器人的特点是重点处理某一种功用,它的运用范围相对狭隘,但它的运用场景和适用性更好,比方说智能转移、仓储、巡查;别的一种是通用范畴,更多是运用在家庭、办公室等场景。这类机器人的特点是它习惯的场景比较多,本钱上要愈加契合消费市场。从产品形状看我们把它分为两种:面向家庭和面向轻商用的。

  通用范畴,比方扫地机器人这种品类,一方面是消费品,本钱比较敏感;别的它所面向的环境比较简略;很重要的一点,这类机器人能够答应必定的过失。相对应专业范畴的机器人,如智能仓储机器人,则愈加垂青牢靠性,关于本钱的需求相对来说不是那么高,但环境关于这些机器人来说是更为杂乱。

  如果把做机器人的意图和产品形状界说成四个维度,这四个维度焦点就是怎样样能够完成自主定位导航。我们说到的这几种比较成功的机器人品类,在运用环节傍边,自主定位导航占到十分重要的方位。当然有许多其他的技能,比方说语音辨认、语义辨认和图像辨认也是十分重要的,思岚愈加重视的则是智能导航,这也是思岚重点为这个范畴拓宽的方向。

  激光仍是SLAM不重要 工程化产品才是要害

  思岚科技,致力于供给自主定位导航处理计划。到现在为止也供给低本钱的激光雷达,当然是更侧重在效劳机器人职业,以及配套的定位导航体系。以这两个为中心,有两个运用点,一个处理计划针对的是各式各样的机器人;别的一个是针对相对完好的通用型渠道。就像商用机器人要处理的问题,生疏环境下机器人怎样样制作地图信息,怎样样制作方位信息,这也是重要的自主定位导航,或许SLAM技能处理问题。

  这个问题现在有许多计划,比方说职业中会常常看到究竟谁占优,比方说未来是激光雷达仍是SLAM。思岚长久以来是以激光雷达为主,它的方法比较老练,这是根据思岚计划实时地图制作的作用。

  激光计划比较直接,把地图制作出来今后,机器人就会了解平面图,这个地图跟我们人类了解是一样的。SLAM在这两年开展也比较迅猛,这是单路的SLAM计划,用摄像头也能够进行环境的了解,这种计划现在还在研制傍边,但它未来的潜力是十分大的。

  关于一家公司来说,考虑的不是在激光或SLAM我挑选哪一种,更多考虑的是工程化问题,这儿面很重要的是“80/20准则”,20%是研讨中心思论,思岚是做80%,怎样样把技能计划落地,比方本钱和牢靠性问题。所以关于思岚来说激光仍是vSLAM,这并不重要,重要的是适宜的时间,以适宜的本钱供给适宜的产品。

  在这儿介绍一下我们产品落地的时分遇到的实践状况,以及我们怎样处理。

  应战一:建图作用和用户心思预期距离SLAM进行精细化建图

  SLAM计划,它能够树立地图,能够让机器人自主定位。但是会有这样的问题,它树立的地图和人的预期是有距离的。怎样了解呢?比方人以为地图是怎样样的,就是画面中这样。这是我们人所知道的房子的平面设计图,我们买到一个机器人它能制作地图,它画的平面图,就应该长成我们以为的这样。


用户抱负的地图(合适展现的地图)


激光的SLAM计划,画出来的地图

  那这个地图如果展现给用户,尤其是一般的“小白”用户,他们会有点丢失,觉得如同这东西并不怎样样。所以第一个问题,我们要有进行精细化建图的计划

  什么叫精细化建图呢?就是机器人画出来的地图是契合我们预期的,这正是现在思岚做的东西。画面左面是精细化地图的作用,同样是SLAM的简图,思岚制作的地图在实践直接作业的时分就能够制作出跟人所等待的地图那样,是十分完美的,这个地图能够直接用于展现,不需求二次的批改。由于这个不单是后期的处理,在导航内部,在实践建图的时分就施行了精细化构建,这是我们处理的问题。

  这是一个实践事例中300平方米的家庭地图,这个地图没有做任何的PS,直接从机器人中拿出来,能够看到墙壁的边缘十分规整,没有任何的噪点。这样的地图简略进行润饰,就能够放在手机APP上,这就是契合用户预期的东西。

  应战二:环境彻底改变后的牢靠定位

  第二个问题是重定位的问题。重定位有两个问题,第一个是人启动的时分重定位,还有一种重定位是环境改变十分多的时分牢靠定位。这儿有个比方,这个是在本年初展会上的状况,环境中有十分多的人,一起我们要求机器人在里面跑,这个比方并不过火,由于做效劳机器人的,当然期望机器人在这种场景下能很好的进行作业。但是你能够看到右边的图,激光雷达探究到这个环境,做了十分大的改变。

  按道理来说,这时分十分简略呈现的一个问题,就是定位的偏移。但是看到这个机器人在这儿面能够长时间作业,机器人在这种场景下连续被他们折磨了两天,每天16个小时,基本上都不会出问题。这儿面涉及到的就是在环境多变状况下的考验。

  有些客户也比较严苛,在机器人作业的时分,把它彻底围住了,让它24小时、48小时连续不断的运作,而且要求不能偏,来测验机器人。这听上去十分不科学,但是客户说没办法,我们在实践场景中就有这样的环境,你有必要得处理。所以在这儿面我们也动了一些脑筋,我们是部分处理这样的问题。

  怎样样处理呢?就是我们前面说的,单靠某一种传感器它其实并不能处理一切的问题,我把激光的数据遮挡了,这种状况下激光不能处理一切问题,但是我还有传感器,所以就用传感器和树立概率模型处理问题。这样的话,也处理了一个实践的事例,这个关于做广阔效劳机器人各位来说是很好的。

  应战三:大局重定位

  大局重定位,俄然让机器人依据场景开机,这个问题职业中有几个处理计划,第一个是运用UWB,它能够重定位。但是这个技能有一个缺陷,有必要对环境进行安置,比方把它放在一个场景,需求先在商场上许多当地预埋信标,这在本钱和布置上有必定的应战。还有一种是彻底自主重定位,思岚在这儿做的是后者,彻底自主重定位,当然UWB也是能够支撑的。

  这个事例中展现的是机器人在1万多平方米的环境中进行人启动的作用,终究机器人在这个环境傍边进行一些简略的判别,它就能够找到真实的环境。在这儿面它面向的难点是什么呢?你能够看到这样一张地图,其中有十分多的相似性,那怎样样避免在定位的时分定位错误的当地,这个是有应战的。

  SLAM≠自主定位导航,不处理举动问题

  思岚到现在其实才处理了机器人移动冰山一角的问题,为什么这样说呢?在职业中SLAM这一概念也是这一两年被职业和媒体所熟知的,我们以为机器人处理了SLAM就功德圆满了,实践上SLAM和自主导航定位并挂不上号的,其实SLAM不是处理举动的问题,但是关于职业来说更重要是机器人怎样样进行举动的

  举动是别的一个故事了,或许无人驾驶愈加重视举动的问题,关于轿车来说有许多公司能够供给地图、GPS和定位,关于他们来说怎样让轿车进行举动就是它的难点。关于机器人来说也是这样,光有SLAM的地图和定位仍是不行的,这儿面就是导航这部分供给的内容。所谓导航是分两块,第一块是途径规划,就像GPS导航规划一条途径,这个听上去比较简略;别的一块是有了规划途径,我怎样样控制机器人去跑,这个叫做运动控制。

  关于一些特别职业,如扫地机器人职业,做好的导航算法是十分难的,现在学术界没有好的处理计划。别的还有一些很细琐的东西,机器人没电了怎样充电,这个作业看上去很简略,但是你真的要机器人自己去做这个事,你会发现里面有许多坑要处理。

  这儿我们提炼了职业中不同的事例。

  应战四:牢靠的障碍物躲避

  第一个事例是牢靠的障碍物躲避,比方在这个场景中机器人在跑,这个机器人是三维的,要处理合理的避障,上激光雷达的话本钱都是三四十万。那关于机器人职业怎样处理这个问题呢?比方实践场景中,这是我们客户在“优待”机器人,成心跟它过不去,挡了它的道,挡好今后把小推车推到一边。他们有愈加恶劣的测验,这儿面我只放其中相对比较轻的一个。现在我们的机器人经过激光雷达、超声波一些计划来进行避障,但是怎样样在实践场景中有牢靠的运用。

  还有是玻璃的问题,无论是激光和视觉都没法看到玻璃,但是超声波能够,但是怎样样让机器人牢靠的进行运动。现在思岚的导航体系不仅仅是激光雷达,还支撑视觉,像超声波、毫米波雷达,物理磕碰,这是我们处理计划都会支撑的传感器技能。

  还有一个问题是了解环境中的逻辑概念。这个是什么意思呢?这个是机场场景,行人扶梯,电梯在保护,不期望人进去。人看到就知道这边不能走,如果是机器人长得比较矮小,他经过激光导航发现这个扶梯能够走,这个时分就犯大错误。那这个问题我们在实践傍边怎样处理呢?我们就给它添加虚拟墙和虚拟轨迹。

  除此以外,还有一些实践的场景,比方说多涂层和POI。方才说了地图的构建,思岚是精细化构图,但是地图上没有我们人感兴趣的东西,比方商场的平面图,地图上标识的是每家店肆的称号,它必定不是平面图。所以在软件上我们会做许多的修正,比方在地图上我们答应加一些兴趣点,POI的信息,别的我们也支撑多涂层叠加。

  应战五:多楼层适配

  还有投递机器人,多楼层的送递,场景的主动切换,对电梯的体系怎样样进行改造,别的让机器人怎样能感知到是某一个详细的楼层,这些都是现在导航定位体系中会遇到的问题。这个是职业的整合,不单是把导航定位体系做好,还要针对电梯的通讯协议,不同楼层之间感应到楼层的切换。这些细节上来说,还要考虑用户心思的问题,由于有时分电梯十分多的人,机器人进去该怎样办?我们现在也针对这些出了处理计划。

  应战六:功耗、体积、本钱

  最终一个问题其实也是我们思岚最早处理的,就是功耗、体积、本钱的问题。我们都知道我们思岚最早是做激光雷达的,现在我们的A2激光雷达最新功能,给我们通报一下,我们现在A2完成的是16米半径的测距,而且丈量平距是职业界4K,本年是8K,而且在体积外观尺度上不会有任何改变。

  在功耗和体积上,我们都知道导航定位体系许多时分是需求很强的运算功能的,要搞一个PC处理器才干搞。那这儿的一个问题,关于机器人来说,商用机器人其实问题不大,一个处理器几百瓦的功耗都能受得了,有些处理器功耗小一点就是十几二十瓦。但是做一个扫地机,或许家用机器人功耗就受不了了,运算功能添加本钱也会贵一些。思岚现在在职业界相对比较另类的做法,我们是做软硬件深度整合,它是做到2瓦。

  这个是根据带有激光雷达和导航定位体系的完好机器人,这个机器人它有个中心特点,它是运用干电池就能够作业,能够完成2小时的连续作业,这足以能够看到它的低功耗特性。

  未来的展望:提取语义信息

  思岚现在做的是语音信息的提取,现在我们采用多传感器交融,所以能够经过视觉方法来做主动的标示,能够协助多涂层和POI做智能感知。

  别的是职业中的状况,比方根据深度学习的途径规划。在这一两年我们看到许多许多巨头在做神经网络,尤其英特尔在芯片这一块的功能是十分给力的,在功耗和功能上都让我们十分吃惊,我信任在不远的将来,我们导航定位这个范畴也会十分广泛运用深度学习,包含SLAM,以及像途径规划这方面的运用。