À mesure que les robots deviennent-autosuffisants, ils doivent naviguer dans leur environnement avec plus d'indépendance et de fiabilité. Les tracteurs autonomes, les moissonneuses agricoles et les semoirs doivent se frayer un chemin avec précaution à travers les champs de culture tandis que les -véhicules de livraison autonomes doivent traverser les rues en toute sécurité pour placer les colis au bon endroit. Dans un large éventail d'applications, les robots mobiles autonomes (AMR) nécessitent des sources de positionnement très précises pour accomplir en toute sécurité et avec succès les tâches pour lesquelles ils sont conçus.
Atteindre une telle précision nécessite deux ensembles de capacités de localisation. La première consiste à comprendre sa position relative par rapport aux autres objets. Cela fournit une contribution essentielle pour comprendre le monde qui l’entoure et, dans le cas le plus évident, pour éviter les obstacles à la fois immobiles et en mouvement. Ces manœuvres dynamiques nécessitent une pile étendue de capteurs de navigation tels que des caméras, un radar, un lidar et le logiciel de support pour traiter ces signaux et donner-direction en temps réel à l'AMR.
Le deuxième ensemble de capacités permet à l’AMR de comprendre son emplacement physique précis (ou emplacement absolu) dans le monde afin de pouvoir suivre avec précision et de manière répétée un chemin programmé dans l’appareil. Un cas d’utilisation évident ici est l’agriculture de haute précision, où différents AMR doivent parcourir le même chemin étroit pendant plusieurs mois pour planter, irriguer et récolter les cultures, chaque passage exigeant que l’AMR fasse référence à chaque fois au même endroit exact.
Cela nécessite un ensemble différent de capacités de navigation, à commencer par les systèmes mondiaux de navigation par satellite (GNSS), que l'ensemble de l'écosystème de capteurs et de logiciels exploite. Le GNSS est renforcé par des capacités de correction telles que RTK et SSR qui permettent d'obtenir une précision 100 fois supérieure à celle du GNSS seul pour les applications à ciel ouvert-, ainsi que par des unités de mesure inertielle combinées à un logiciel de fusion de capteurs pour naviguer là où le GNSS n'est pas disponible (à l'estime).
Avant de plonger dans ces technologies, passons une minute à examiner les cas d'utilisation dans lesquels des emplacements relatifs et absolus sont nécessaires pour qu'un AMR fasse son travail.
Applications robotiques nécessitant un positionnement relatif et absolu
Les AMR révèlent ce que les humains tiennent pour acquis : - la capacité innée de se localiser avec précision dans le monde et de prendre des mesures précises en fonction de ces informations. Plus les applications des AMR sont variées, plus on découvre quels types d’actions nécessitent une extrême précision. Voici quelques exemples :
Automatisation agricole: Dans l'agriculture, les AMR sont de plus en plus courants pour des tâches telles que la plantation, la récolte et le suivi des cultures. Ces robots utilisent un positionnement absolu, généralement via GPS, pour parcourir avec précision des champs vastes et souvent inégaux. Cela garantit qu’ils peuvent couvrir systématiquement de vastes zones et retourner à des endroits spécifiques si nécessaire. Cependant, une fois à proximité des cultures ou dans une zone désignée, les AMR s'appuient sur un positionnement relatif pour les tâches qui exigent un niveau de précision plus élevé, comme la cueillette de fruits qui peuvent avoir poussé ou changé de position depuis la dernière visite de l'AMR. En combinant les deux méthodes de positionnement, ces robots peuvent fonctionner efficacement dans les environnements difficiles et variables typiques des champs agricoles.
Livraison du dernier-mile en milieu urbain : Les AMR transforment la livraison du dernier-kilomètre en milieu urbain en transportant de manière autonome les marchandises des centres de distribution jusqu'aux destinations finales. Ces robots utilisent un positionnement absolu pour naviguer dans les rues, les ruelles et les configurations urbaines complexes, en s'assurant qu'ils suivent des itinéraires optimisés tout en évitant le trafic et en respectant les horaires de livraison. Une fois arrivés à proximité du lieu de livraison, les AMR utiliseront également le positionnement relatif pour contourner des obstacles variables ou inattendus, comme un véhicule garé en double file dans la rue. Cette double approche permet aux AMR de gérer les subtilités des paysages urbains et d'effectuer des livraisons précises directement aux portes des clients.
Automatisation des chantiers de construction: Sur les chantiers de construction, les AMR sont employés pour garantir que le projet est construit selon les spécifications exactes désignées par les ingénieurs. Ils contribuent également à des tâches telles que le transport de matériaux et la cartographie ou l'arpentage des environnements. Ces sites s'étendent souvent sur de vastes zones avec des environnements en constante évolution, ce qui oblige les AMR à utiliser un positionnement absolu pour naviguer et maintenir leur orientation sur l'ensemble du site du projet. Le positionnement relatif entre en jeu lorsque les AMR effectuent des tâches qui nécessitent une interaction avec des éléments dynamiques, comme éviter d'autres équipements ou même du personnel sur le site. La combinaison des deux systèmes de positionnement permet aux AMR de contribuer efficacement à la nature complexe et dynamique des projets de construction, améliorant ainsi l'efficacité et la sécurité.
Entretien routier autonome: Les AMR sont de plus en plus utilisés dans les tâches d'entretien routier telles que l'inspection des chaussées, le colmatage des fissures et la peinture des lignes. Ces robots utilisent un positionnement absolu pour parcourir des tronçons d'autoroute ou de routes, garantissant ainsi qu'ils maintiennent le cap sur de longues distances et peuvent capturer avec précision les endroits spécifiques où la maintenance doit avoir lieu. Lors de l'exécution de ces tâches de maintenance, ils passent au positionnement relatif pour identifier et corriger avec précision les imperfections routières spécifiques, peindre les marquages des voies avec précision ou contourner les obstacles. Cette double capacité permet aux AMR de gérer efficacement les tâches d’entretien routier tout en réduisant le besoin de travailleurs humains d’opérer dans des environnements dangereux en bordure de route, améliorant ainsi la sécurité et la productivité.
Surveillance et conservation de l'environnement: Dans les environnements extérieurs, les AMR sont souvent déployés pour des efforts de surveillance et de conservation de l'environnement tels que le suivi de la faune, la détection de la pollution et la cartographie des habitats. Ces robots exploitent un positionnement absolu pour naviguer dans de vastes zones naturelles, des forêts aux régions côtières, garantissant une couverture complète du terrain et permettant la capture d'études et de cartographies détaillées du site. Les AMR peuvent effectuer des tâches telles que la capture d'images à haute-résolution, la collecte d'échantillons ou le suivi des mouvements d'animaux avec une précision extrême et peuvent superposer ces échantillons au fil du temps de manière cohérente.
Dans tous les exemples ci-dessus, une précision de positionnement absolue bien inférieure à un mètre est requise pour éviter des conséquences potentiellement catastrophiques. Des blessures au travail, des pertes de produits importantes et des retards coûteux sont tous probables sans localisation précise. Essentiellement, partout où un AMR doit fonctionner à quelques centimètres près, il devra disposer de solutions de localisation relatives et absolues.
Technologie de positionnement relatif
Les AMR exploitent un certain nombre de capteurs pour se localiser par rapport à d’autres objets de leur environnement. Ceux-ci incluent :
Caméras: Les caméras fonctionnent comme des capteurs visuels des robots mobiles autonomes, leur fournissant une image immédiate de leur environnement, semblable au fonctionnement des yeux humains. Ces appareils capturent des informations visuelles riches que les robots peuvent utiliser pour la détection d'objets, l'évitement d'obstacles et la cartographie de l'environnement. Cependant, les caméras dépendent d'un éclairage adéquat et peuvent être gênées par des conditions météorologiques défavorables comme le brouillard, la pluie ou l'obscurité. Pour remédier à ces limitations, les caméras sont souvent associées à des capteurs proche-infrarouge ou équipées de capacités de vision nocturne, qui permettent aux robots de voir dans des conditions de faible-éclairage. Les caméras sont un élément clé de l'odométrie visuelle, un processus dans lequel les changements de position au fil du temps sont calculés en analysant les images séquentielles des caméras. En général, les caméras nécessitent toujours un traitement important pour convertir leurs images 2D en structures 3D.
Capteurs radar: Les capteurs radar fonctionnent en émettant des ondes radio pulsées qui se reflètent sur les objets, fournissant des informations sur la vitesse, la distance et la position relative de l'objet. Cette technologie est robuste et peut fonctionner efficacement dans diverses conditions environnementales, notamment la pluie, le brouillard et la poussière, où les caméras et le lidar peuvent avoir des difficultés. Cependant, les capteurs radar offrent généralement des données plus rares et une résolution inférieure par rapport aux autres types de capteurs. Malgré cela, ils sont inestimables en raison de leur fiabilité dans la détection de la vitesse des objets en mouvement, ce qui les rend particulièrement utiles dans les environnements dynamiques où la compréhension du mouvement d'autres entités est essentielle.
Capteurs Lidar: Lidar, ou Light Detection and Ranging, est une technologie de capteur qui utilise des impulsions laser pour mesurer les distances en chronométrant la réflexion de la lumière sur les objets. En scannant l'environnement avec des impulsions laser rapides, le lidar crée des cartes 3D très précises et détaillées des environs. Cela en fait un outil essentiel de localisation et de cartographie simultanées (SLAM), dans lequel le robot construit une carte d'un environnement inconnu tout en gardant une trace de son emplacement sur cette carte. Le lidar est connu pour sa précision et sa capacité à bien fonctionner dans diverses conditions d'éclairage, bien qu'il puisse être moins efficace sous la pluie, la neige ou le brouillard, où les gouttelettes d'eau peuvent disperser les faisceaux laser. Bien qu’il s’agisse d’une technologie coûteuse, le lidar est privilégié dans la navigation autonome en raison de sa précision et de sa fiabilité dans des environnements complexes.
Capteurs à ultrasons : Les capteurs à ultrasons fonctionnent en émettant des ondes sonores à haute fréquence-qui rebondissent sur les objets à proximité, le capteur mesurant le temps nécessaire au retour de l'écho. Cela permet au robot de calculer la distance aux objets et obstacles sur son chemin. Ces capteurs sont particulièrement utiles pour la détection à courte portée-et sont souvent utilisés dans des activités lentes et à courte portée-telles que la navigation dans des espaces restreints comme les allées d'entrepôt, ou pour des manœuvres précises comme l'accostage ou la marche arrière. Les capteurs à ultrasons sont rentables-et fonctionnent bien dans diverses conditions, mais leur portée limitée et leur temps de réponse plus lent par rapport au lidar et aux caméras signifient qu'ils sont mieux adaptés aux environnements spécifiques et contrôlés où une haute précision à proximité immédiate est requise.
La technologie de base utilisée pour le positionnement absolu commence par GNSS (terme qui inclut le GPS et d'autres systèmes satellitaires comme GLONASS, Galileo et BeiDou). Étant donné que le GNSS est affecté par les conditions atmosphériques et les incohérences des satellites, il peut donner une solution de position décalée de plusieurs mètres. Pour les AMR qui nécessitent une navigation plus précise, cela n’est pas suffisant – d’où l’émergence d’une technologie connue sous le nom de corrections GNSS qui réduit cette erreur à seulement un centimètre.
RTK : La cinématique-en temps réel (RTK) utilise un réseau de stations de base avec des positions connues comme points de référence pour corriger les estimations de localisation du récepteur GNSS. Tant que l'AMR se trouve à moins de 50 kilomètres d'une station de base et dispose d'une liaison de communication fiable, le RTK peut fournir de manière fiable une précision de 1 à 2 centimètres.
SSR ou PPP-RTK : La représentation spatiale d'état (SSR), également parfois appelée PPP-RTK, exploite les informations du réseau de stations de base, mais au lieu d'envoyer des corrections directement depuis une station de base locale, elle modélise les erreurs sur une vaste zone géographique. Le résultat est une couverture plus large qui permet des distances bien supérieures à 50 km d'une station de base, mais la précision chute à 3 à 10 centimètres ou plus selon la densité et la qualité du réseau.
Bien que ces deux approches fonctionnent exceptionnellement bien là où les signaux GNSS sont disponibles (généralement à ciel ouvert), de nombreux AMR s'éloigneront du ciel ouvert, là où il y a une obstruction entre le récepteur GNSS de l'AMR et le ciel. Cela peut se produire dans les tunnels, les parkings, les vergers et les environnements urbains. C'est là que les systèmes de navigation inertielle (INS) entrent en jeu avec leur unité de mesure inertielle (IMU) et leur logiciel Sensor Fusion.
IMU– Une IMU combine des accéléromètres, des gyroscopes et parfois des magnétomètres pour mesurer respectivement l'accélération linéaire, la vitesse angulaire et l'intensité du champ magnétique d'un système. Il s'agit de données cruciales qui permettent à un INS de déterminer la position, la vitesse et l'orientation d'un objet par rapport à un point de départ en-temps réel.
L'histoire de l'IMU remonte au début du 20e siècle, avec ses racines dans le développement de dispositifs gyroscopiques utilisés dans les systèmes de navigation des navires et des avions. Les premières IMU pratiques ont été développées pendant la Seconde Guerre mondiale, principalement pour être utilisées dans les systèmes de guidage de missiles et plus tard dans le programme spatial. Les missions Apollo, par exemple, reposaient largement sur les IMU pour la navigation dans l’espace, où les méthodes de navigation traditionnelles n’étaient pas réalisables. Au fil des décennies, la technologie IMU a considérablement progressé, grâce à la miniaturisation des composants électroniques et à l'avènement de la technologie des systèmes micro-électro-mécaniques (MEMS) à la fin du 20e siècle. Cette évolution a conduit à des IMU plus compactes, abordables et précises, permettant leur intégration dans une large gamme d'électronique grand public, de systèmes automobiles et d'applications industrielles aujourd'hui.
Fusion de capteurs– Le logiciel de fusion de capteurs est chargé de combiner les données de l'IMU, ainsi que d'autres capteurs pour créer une compréhension cohérente et précise de l'emplacement absolu d'un AMR lorsque le GNSS n'est pas disponible. Les implémentations les plus basiques « comblent les lacunes » en-temps réel, entre le moment où le signal GNSS est abandonné et le moment où il est récupéré par l'AMR. La précision du logiciel de fusion de capteurs dépend de plusieurs facteurs, notamment la qualité et l'étalonnage des capteurs impliqués, les algorithmes utilisés pour la fusion et l'application ou l'environnement spécifique dans lequel il est déployé. Un logiciel de fusion de capteurs plus sophistiqué est capable d'établir une corrélation croisée-avec différentes modalités de capteur, ce qui entraîne une précision de positionnement supérieure à celle obtenue avec n'importe lequel des capteurs de la solution fonctionnant seul.
RTK pour GNSS fournit une source de localisation absolue très précise pour les robots autonomes. Cependant, sans RTK, de nombreuses applications robotiques ne sont tout simplement pas possibles ou pratiques. Des robots d'enquête de construction aux drones de livraison autonomes en passant par les outils agricoles autonomes, de nombreux AMR dépendent d'un positionnement absolu précis au centimètre près que seul RTK peut fournir.
Cela dit, une solution RTK est aussi bonne que le réseau qui la sous-tend. Des corrections toujours fiables nécessitent un réseau très dense de stations de base afin que les récepteurs soient toujours à portée suffisamment proche pour des corrections d'erreurs précises. Plus le réseau est grand, plus il est facile d’obtenir des corrections pour les AMR depuis n’importe où. La densité à elle seule n’est pas le seul facteur. Les réseaux sont des systèmes en temps réel-très complexes et nécessitent une surveillance, une enquête et une vérification d'intégrité professionnelles pour garantir que les données envoyées à l'AMR sont exactes et fiables.
Qu’est-ce que tout cela signifie pour les développeurs de robots autonomes ? Au moins en ce qui concerne les applications extérieures, aucun AMR n'est complet sans un récepteur GNSS alimenté par RTK-. Pour obtenir la solution la plus précise possible, les développeurs doivent s'appuyer sur le réseau RTK le plus dense et le plus fiable. Et lorsque les robots doivent se déplacer fréquemment dans et hors d'environnements de signaux GNSS idéaux, comme pour un véhicule de livraison autonome-, le RTK combiné à une IMU fournit la source de positionnement absolu la plus complète disponible.
Il n’existe pas deux applications robotiques autonomes identiques, et chaque configuration unique nécessite son propre mélange d’informations de positionnement relatif et absolu. Cependant, pour les AMR extérieurs de demain, le GNSS doté d’un réseau de corrections RTK robuste constitue un composant essentiel de la pile de capteurs.