《“开放道路”仍然对机器人汽车封闭》

  • 来源专题:集成电路
  • 编译者: Lightfeng
  • 发布时间:2016-07-22
  • 然而,在过去的几个月里,我们已经开始认识到一个不同的现实:那个光辉的未来——自主驾驶——真的很难实现。

    自主汽车的限制范围,从天气到道路建设(千变万化中,经常出现和猝不及防的问题),并且还要必须弄懂在十字路口其他司机的意图。

    但最大的问题——从机器人的角度来看——可能是我们,人类。

    技术乐观主义者告诉我们:“一旦我们把人排除在外,无人驾驶汽车会使道路更加安全。”

    在理论上,这是真的。自主车可以被设计的没有盲点,保持充分的360度意识。它永远不会开车喝醉了,不能入睡。它的反应时间跟最快的人一致。

    但现实世界的自主驾驶正在提醒一个我们更喜欢忽视的重要因素:无人驾驶汽车不能孤独的生活。

相关报告
  • 《探索 | 视觉成像技术帮助机器人和汽车看得更清楚》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2022-04-06
    • 尽管机器人的眼睛没有视网膜,但帮助它们更自然、更安全地观察和与世界互动的关键是眼科医生办公室里常见的光学相干断层扫描(OCT)仪器。 许多机器人公司正在将一种成像技术集成到他们的传感器包中,即光探测和测距,简称LiDAR。目前,无人驾驶汽车开发商对该技术的关注和投资很大,该技术的工作原理与雷达类似,但它使用的是激光产生的短脉冲光,而不是发射宽带无线电波并探测反射信号。 然而,传统的time-of-flight激光雷达存在许多缺点,使其难以在许多3D视觉应用中使用。因为这需要探测非常微弱的反射光信号,对于目前大部分的激光雷达系统的探测器,信号甚至很容易淹没在环境光信号中。它的深度分辨率也很有限,在对高速公路或工厂车间等大片区域进行密集扫描,通常需要很长时间。为了应对这些挑战,研究人员正转向利用一种名为调频连续波(FMCW)激光雷达的系统。 “FMCW激光雷达与OCT具有相同的工作原理,生物医学工程领域自20世纪90年代初以来一直在发展OCT相关技术,”在杜克大学Michael J. Fitzpatrick生物医学工程杰出教授Joseph Izatt实验室工作的博士生Qian Ruobing说。“但30年前,没有人知道自动驾驶汽车或机器人会得到快速发展,所以OCT技术仅被用于组织成像。现在,为了让它在其他新兴领域发挥更大的作用,我们需要利用它超高的分辨率来获得更大的距离和速度。” 在3月29日发表在《Nature Communication》上的一篇论文中,杜克大学的团队展示了相关研究,他们在对OCT研究中学习到的一些方法,可以将之前的FMCW激光雷达数据吞吐量提高25倍,同时仍能实现亚毫米深度精度。 OCT是一种光学模拟超声波,它的工作原理是将声波发送到物体上,然后测量它们返回的时间。 为了计算光波的返回时间,OCT设备测量了它们的相位与相同的光波相比移动了多少,这些光波经过相同的距离,但没有与另一个物体相互作用。 FMCW激光雷达采用了类似的方法,只是做了一些调整。 该技术发出的激光束在不同频率之间不断变换。 当探测器收集光来测量其反射时间时,它可以区分特定的频率模式和任何其他光源,这使得它可以在各种照明条件下高速工作。 然后,它测量无阻碍光束下的任意相移,这是一种比目前的激光雷达系统更精确的确定距离的方法。 “看到我们几十年来研究的生物细胞规模的成像技术可以转化为大规模、实时的3D视觉技术,这是非常令人兴奋的,”Izatt说。“这正是机器人安全地观察人类并与人类互动所需要的能力,甚至在增强现实中,用实时3D视频取代虚拟化身。” 之前使用激光雷达的大部分工作都依赖于旋转镜子来扫描被反射的激光。虽然这种方法很有效,但无论它使用的激光有多强,它从根本上受到机械反射镜速度的限制。 杜克大学的研究人员使用的是一种衍射光栅,它的工作原理类似于棱镜,可以将激光分解成彩虹般的频率,当它们离开光源时就会散开。因为原始的激光仍然在快速地在一个频率范围内扫描,这意味着扫激光雷达光束的速度要比机械反射镜的旋转速度快得多。这使得系统能够在不损失深度和定位精度的情况下快速覆盖广泛的扫描区域。 虽然OCT设备是用于测量e物体内部几毫米深的微观结构的,但机器人3D视觉系统只需要定位人体尺度物体的表面。为了实现这一目标,研究人员缩小了OCT使用的频率范围,只寻找从物体表面反射产生的峰值信号。这使系统的分辨率降低了一点,但成像范围和速度比传统的激光雷达要大得多。 图1:真实世界物体的视频速率3D成像结果。a–d轴向间隔>9 cm的两个陶瓷咖啡杯的成像结果;e–h人体头部模型的成像结果 结果显示,FMCW激光雷达系统实现了亚毫米定位精度,数据吞吐量比之前的演示提高了25倍。结果表明,该方法足够快速和准确,可以实时捕捉到人体运动部位的细节,比如点头或握紧的手。 lzatt说:“就像数码相机已经无处不在一样,我们的愿景是开发新一代基于激光雷达的3D相机,这种相机速度快,功能强大,能够将3D视觉集成到各种产品中。”“我们周围的世界是3D的,所以如果我们想让机器人和其他自动化系统与我们自然而安全地互动,它们需要能够看到我们,就像我们可以看到它们一样。”
  • 《Boston Dynamics 进军自主仓库机器人技术领域》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2024-08-27
    • 仓库是自主机器人的前沿领域。随着消费者越来越习惯于快速周转的运输,仓库需要更快、更高效地运营。但是,仓库可能是困难的工作环境,需要需要体力劳动,例如移动重物和重复动作。自然,人们对机器人和其他仓库工作的自动化解决方案非常感兴趣。“自动化在人体工程学方面没有限制,”波士顿动力公司的高级技术总监 Mike Murphy 指出,该公司可能以 Spot(一种用于执行远程检查的机器狗)而闻名。Murphy 还是 Stretch 的首席系统工程师,Stretch 是该公司专为仓库设计的移动箱子处理机器人。 然而,仓库对机器人技术来说也可能是一个具有挑战性的环境。从表面上看,这项工作是简单而重复的。“将这些箱子从卡车上取下来,放在这个传送带上,移动它们,分类它们,把它们放在这些托盘上,然后把它们放回门外,”Murphy 说。但是,与机器人传统上取得成功的其他应用(例如制造)不同,仓库中的机器人可能会遇到更广泛的变化和挑战。例如,如果箱子没有正确关闭,它们可能会意外打开,或者它们可能会在运输过程中移动并最终落在地板或其他不该出现的地方。“这些正是我们开始能够通过自动化解决的问题,”他解释说。然后,这些知识可以应用于其他领域的新应用,例如制造业。 认识 StretchStretch 是一款电池供电的移动机器人,配备了一个带有强大吸力抓手的手臂。Stretch 在大约一个托盘大小的占地面积中包含完成工作所需的一切。它的板载摄像头和传感器使其能够“看到”周围的环境,识别正在发生的事情,并在没有预编程的情况下对任何问题做出反应并从中恢复。位于转盘上、机械臂旁边的可铰接式“感知桅杆”包含 2D 和 3D 传感器,用于从机器人周围的各个位置收集数据。然后,操作系统将数据拼接在一起,并通过机器学习管道运行数据,以检测盒子并确定面和角的位置。“它了解盒子的位置、大小、方向,”Murphy 解释说。 Stretch 的成功Stretch 于 2023 年初推出,因此它仍然相当新,但客户已经看到了成功。Murphy 描述了一个用户,该用户有几个第三方承包商,他们休息了,再也没有回来,留下一辆卡车停在阳光下,里面装满了需要卸载的沉重箱子。入库区的操作员需要找到一种方法来卸载卡车,因此他们决定尝试使用 Stretch。“他们把 Stretch 放进去,它就把卡车卸下来了,”他说。“他们非常高兴,这解决了他们的问题,而且没有抱怨高温。”仓库及其他虽然事实证明 Stretch 在卸货方面取得了成功,但这只是仓库中众多任务之一。“我们在设计硬件系统时考虑到了仓库中发生的事情,”Murphy 说,该公司目前正在从业务角度研究其他可能的应用,以决定下一步要关注什么。“我们有很多事情可以让机器人完成,基本上是软件更新,”他说。一种可能性是使用不是框的对象。“Stretch 还可以从卡车上卸下什么?无论是轮胎还是手提袋,或者你知道的,抓手可以抓住的任何东西,我们肯定会考虑。该团队还在寻找不涉及卸载的任务,例如将物体从托盘移动到输送机,反之亦然,以及从货架上拣选物品。Murphy 解释说:“无论何时,当您将单个案例从一个地方转移到另一个地方时,我们都希望从技术角度和商业意义上了解这样做需要什么。“这个机器人做这项工作有意义吗?做到这一点的典型挑战是什么?至于 Stretch 的非仓库应用程序,Boston Dynamics 在仓库领域看到了如此多的机会,以至于它并没有真正将目光投向该环境之外的更多应用程序。Murphy 说,制造应用是一个潜在的应用,汽车应用的零件排序也是如此。“但我认为,由于仓库的规模,我们目前非常关注仓库空间,”他补充道。从研究到商业化Stretch 是 Boston Dynamics 继 Spot 之后的第二个商业化产品,Spot 是专为工业检测而设计的机器狗。值得注意的是,Spot 是在公司专注于机器人研究的同时开发的。“例如,我们在这段旅程中的早期客户和合作伙伴帮助我们发现了 Industrial Inspection 作为这种平台可能真正有用的领域,”Murphy 解释说。在开发 Stretch 时,该公司希望在推出产品之前了解其技术的应用。“该平台能够在仓库中实现所有这些不同的应用,”他说。“但我们已经对几个我们有强大商业案例的案例有了非常好的了解,并且在设计平台之前,我们非常了解客户的用例。然后我们从那里开始扩张。 据 Murphy 称,Stretch 标志着 Boston Dynamics 开始成为机器人产品的连续生产商。“这确实是让我们的转型真正将我们的公司转变为专注于产品、客户价值、在全球范围内扩大规模,并能够做所有必要的事情,以拥有一套成功的产品,从销售到制造,以及拥有一家能够大规模做到这一点的公司所需的所有支柱。”“他说。 然后,Stretch 根据检测到的内容执行 “pick planning”。该系统考虑了环境因素(如墙壁、地板和天花板)以及所有箱子的位置、抓手和机械臂的几何形状、机械臂的伸展范围以及所有箱子之间的相互作用。因此,如果 Stretch 正在卸载一堆箱子,它知道不要选择底部的箱子,因为这会将堆垛的其余部分撞倒,并且它知道等到其他箱子不碍事后再在墙壁或天花板附近卸载箱子,以便更好地抓住它们。选秀规划对 Stretch 至关重要。“如果你在那里做出了一个错误的决定,你最终可能会造成一场雪崩,机器人需要一段时间才能清理干净,”Murphy 指出。Stretch 可以优化其每次选取或每几次选取的选取规划策略,具体取决于它所处的模式。 板载传感器还可以检测环境中的异常情况,例如掉落在地板上的箱子。“我们在行为系统中有反应来处理这些问题,”Murphy 说。在许多情况下,Stretch 无论如何都会尝试移动框。“这些盒子不需要完美无缺,Stretch 就可以发挥作用,”他说。它的真空抓手采用波士顿动力公司所谓的 Smart Gripper 技术,可以单独控制每个吸盘。这使 Stretch 能够拾取有孔、撕裂或凹痕的箱子。“无论哪个吸盘在盒子表面购买得好,都会得到完全的吸力,而其他吸盘最终会被关闭,这样我们就不会失去吸力,”Murphy 解释说。当 Stretch 遇到它无法处理的问题时,例如盒子打开和里面的东西洒在地上,它可以向附近工作的“机器人管理员”寻求帮助。与人类合作该团队将卡车卸货作为 Stretch 的初始应用。当货物到达仓库时,必须将其从卡车、拖车或集装箱移动到仓库中。在温暖的月份,这些容器可能会在阳光下烘烤数小时,就像烤箱一样,然后员工进去卸货。这些工作可能很难填补,以至于仓库经常求助于第三方公司来招聘和雇用工人,即便如此,人员流动率也很高。 为这项任务寻找人类工人的难度使其成为 Stretch 的理想应用程序,因为它几乎可以单独完成。但 Stretch 仍然需要一些人类的帮助——操作员必须通过将 Stretch 开入拖车或集装箱来设置 Stretch,并处理任何需要人工干预的问题。“我们设计了一些系统来保持机器人安全运行,”Murphy 说。一种选择是便携式笼子,它可以在工作时将 Stretch 完全封闭在拖车或集装箱中。在启动 Stretch 之前,人工确保笼内没有其他人,并且它会继续运行,直到门打开或人工停止。但是,正如 Murphy 所指出的,“我们的客户重视灵活性,他们不希望笼式面板妨碍他们所有其他东西。因此,该公司开发了一种“虚拟防护”系统。它使用传感器来设置一个边界,如果检测到附近有人,它会减慢 Stretch 的速度,如果有人靠得太近,它会停止。“我们在机器人上安装了功能安全系统,能够确保系统安全停止,”他补充道,“如果出现这些情况,将手动重启。 目前,Stretch 只能在受保护的空间内自主移动,但最终,它将能够在其他人中完全自主地穿过仓库。Murphy 说,他预计 Stretch 不会与其他人并肩工作。“Stretch 非常强大,覆盖范围很广,它独立工作真的很有意义,”他解释说。但是,随着 Stretch 在仓库中承担更多任务,它将需要与人共享空间,尤其是当它需要人工帮助时。“我们正在努力真正考虑如何让我们非常有信心地安全地进行这项工作,”他说。入职由于 Stretch 不需要预先编程,因此部署过程相对简单快捷。Murphy 说,这需要 5 天或更短的时间,而且用户可以在一周内自行运行系统。该过程包括连接网络系统和电气工作,以及将 Stretch 物理或无线连接到它放置箱子的输送机上,以便将它们从拖车上移除。Stretch 可以与各种输送机配合使用,从 Stretch 可以随身携带的柔性手风琴类型到可以自行伸展和缩回的固定伸缩输送机。Stretch 可以控制这些输送机的位置,并要求输送机跟随它进入拖车。 工人在调试过程中接受为期两天的培训,学习如何使用挂件上的操纵杆驾驶 Stretch,当 Stretch 需要人工帮助时如何安全干预,以及什么是不同的错误代码以及如何修复它们。一旦 Stretch 就位,“看起来真的就像启动一台洗衣机,”Murphy 描述道。“你按照向导操作,按下几个按钮,按住启动按钮,它就会卸载卡车。”