使用LF通信进行传感以提高AMR(自主移动机器人)的移动安全性的主要图片

使用LF通信进行传感以提高AMR(自主移动机器人)的移动安全性

近年来,随着搬运机器人越来越多地被引进物流仓库和生产现场,对机器人自己确定理想路径并运输货物的自动化需求日益增长。为了满足这些需求,自主移动机器人(AMR:Autonomous Mobile Robot)越来越普及。在此,我们将对传统的搬运机器人与AMR之间的差异进行整理,同时,对使用LF通信进行传感在解决AMR中存在的传感器误动作和无法检测盲区等问题时的有效性进行相关解说。

1. 什么是AMR?―一种利用多种传感器和无线技术进行自动移动的搬运机器

1.1 ARM的特征

AMR是一种具有高度自主性的自动搬运机器,在需要解决劳动力短缺、提高作业效率的物流仓库和工厂中尤其受到关注。其主要特征如下所示。

  • 配备多种传感器,综合获取环境信息
    它配备了LiDAR、摄像头、检测移动距离和旋转角度的编码器、检测加速度的陀螺仪传感器等许多传感器,并利用这些信息高精度地了解周围的状况。
  • 使用SLAM(Simultaneous Localization and Mapping)推测自己所在的位置并创建地图
    根据来自上述传感器群的信息推测自己所在的位置并生成环境地图,从而识别和更新周围环境。
  • 使用软件灵活设定移动路径
    移动路径和行为可以通过软件定义,因此可以灵活应对货物和设备的布局变更。
  • 通过无线通信进行协作和运行管理
    通过Wi-Fi和本地5G等与管理系统和其他AMR交换位置信息、稼动状况和控制命令,实现运行管理、协同工作和安全性改进。

1.2 AMR与传统搬运机器人AGV的移动方式―自主移动和路径引导

搬运机器人传统上被称为自动搬运机器人、无人搬运车或AGV(Automatic Guided Vehicle)。在AGV中,移动路径、速度和停止位置由引导件(磁带、反光带、电磁感应电缆等)引导。另一方面,如前所述,AMR可以自主规划和变更路径、移动和停止。在此,我们将搬运机器人的移动方式分为路径引导式(AGV)、自主移动式(AMR)和跟踪式(例如:跟踪人或手推车)*1,表1总结了每种方式之间的差异。由于AMR不需要引导体,因此与路径有关的运行负担有望减轻。

*1 有一种观点将AGV中自主移动的搬运机器人视为AMR,但这里我们需要将路径引导和自主移动进行对比,所以对AGV和AMR进行区分。

AGV图片
在路径引导式当中,AGV沿着引导体移动
AMR图片
AMR通过多种传感器和管理系统的信息进行自主移动
表1 不同移动方式的搬运机器人之间的比较

比较项目

路径引导式(AGV)

自主移动式(AMR)

追踪式

移动机制

按照沿着移动路径敷设的
引导体移动。

使用LiDAR、摄像头等识别
周围环境,并使用SLAM等
推测自己的位置和创建地图,
由此实现自主决定和变更
路径并移动。

使用摄像头等检测要跟踪
的对象并根据跟踪对象的
行动进行移动。

安装技术
(移动)

需要引导体。
磁带和反光带容易引进,
而电磁感应电缆需要进行
埋设到地板下面等工事。

不需要引导体。
通过以软件为中心的调整
可以灵活更改路径。
需要设定地图和参数。

不需要引导体。
跟踪对象和标签的
配置和管理是重点。

安装技术
(传感器)

引导体检测传感器
(磁场和光反射),
引导体(胶带和电缆)

LiDAR、摄像头、
加速度传感器/陀螺仪传感器等

摄像头、接近传感器、
RFID标签

运行

依赖于引导体,因此,
移动路径和停止位置
固定且不灵活。

可通过软件和地图更新
灵活更改移动范围和路径。

依赖于跟踪对象,
因此,路径灵活性高,
但对象丢失时工作不稳定。

用途

标准化搬运、
生产线间的常规搬运等
(工厂里的常规搬运)

仓库和生产线上的灵活搬运、
在复杂现场的自主搬运

拣选*2支持、队列搬运、
配合人进行的辅助搬运

*2 拣选:在物流仓库等场所根据发货指令从货架上取下产品并进行收集的作业

2. AMR的课题―误动作、碰撞、决定停止位置和通信错误

AMR具有诸多优势:它们可以自主决定移动路径、避开障碍物、检测人员并安全移动。然而,即使使用LiDAR和摄像头等光学传感器以及SLAM,移动仍然可能受到阻碍。此外,这些问题大多数情况下只有在引进后才会显现出来。以下将讨论AMR面临的主要课题。

传感器(LiDAR、摄像头)的误动作

AMR上配备的LiDAR和摄像头能够进行高精度传感,但也可能出现误动作。
LiDAR有时会在高反射率的玻璃和光亮的金属表面产生虚假反射,并且难以检测低反射率的物体。此外,烟雾和水蒸气等也会导致误检测,当多台LiDAR位于同一空间时,激光信号之间的相互干扰可能导致漏检或误检测。
另一方面,摄像头可以基于图像信息进行识别,但其性能高度依赖于光照环境。如果由于强烈的直射光或焊接等光源导致接收元件饱和(高光部分过曝),则图像信息可能会丢失,从而暂时无法进行检测。相反,在黑暗环境中,光线接收不足会增加噪声,降低识别精度。此外,玻璃或金属表面的反射、烟雾和水蒸气等也会导致误识别。

与障碍物或行人碰撞

使用激光的LiDAR和摄像头都只能检测到视线范围内的物体,因此它们可能无法检测到隐藏在物体后面的物体或人员。所以,在盲区较多的区域,例如急转弯或狭窄通道,只使用这些传感器可能无法检测到障碍物,从而可能导致与货物或设备发生碰撞。此外,在人流量大的场所,它们可能无法检测到盲区内的人员,从而可能导致碰撞事故。

决定停止位置和边界管理

在AMR的决定停止位置和边界管理中,确保精度和值得信赖是需要解决的课题。LiDAR和摄像头等多种传感器的测量误差、SLAM中的推测误差和传感器之间的校正误差都可能导致停止位置出现偏差。而且,地面坡度和不平整度也会降低检测精度。结果,使用AMR进行像WPT*3那样需要厘米级单位精度的运用以及判断禁止进入区域的边界比较困难。

*3 WPT:Wireless Power Transfer的缩写,也称为无线供电或无线电力传输。是一种不需要连接电缆即可为电子设备供电的系统。

通信错误及失控

AMR使用推测自己位置并同时创建环境地图的SLAM来了解周围的状况,并自主决定移动路径。在移动过程中接收来自管理系统的搬运指令并移动,因此与管理系统之间的无线通信起着非常重要的作用。
然而,在生产工序等当中,多种设备会产生电磁噪声和无线信号,这些噪声和信号可能会造成干扰和通信错误,从而使AMR与管理系统之间的通信不稳定。结果,可能会发生工作中断或陷入本体无法控制等问题。

3. 利用LF通信进行传感的特征

LF是Low Frequency(低频)的缩写,指的是30kHz至300kHz的频带。LF通信是一种利用该频带(LF频带)的无线技术。具体而言,使用LF频带当中低于135kHz的频率,并通过磁场在发送天线的LF天线与接收天线的LF天线或RFID(Radio Frequency Identification)标签之间进行通信,从而实现传感。

利用LF通信进行的传感(以下简称LF传感)具有以下特征。

  • 可进行距离定位
    磁场受反射和衍射的影响小于数百MHz的电波,并且会以LF天线为中心形成间隔相等的通信区域,因此,通过测量磁场强度即可确定发送方和接收方之间的距离。
  • 定位测距精度高
    一般的LF通信检测距离较短,只有几厘米,上限为5米,但定位和测距误差非常小,只有几厘米。此外,距离测量值几乎不会产生波动,非常稳定。
  • 受人体和水的影响较小
    由于通过磁场进行传感,因此不容易受到人体和水的影响。
  • 受金属反射的影响较小
    与高频通信方式相比,LF通信具有不容易受金属反射影响的特性。因此,由反射引起的多径干扰也较少。

LF通信是一种有望解决第2项中提到的AMR的问题——传感器的误动作、与障碍物或行人碰撞、决定停止位置、边界管理的候选方法。以下将对其逐一进行说明。

4. 通过LF传感为解决AMR的问题做贡献

4.1 误动作

如前所述,AMR的LiDAR和摄像头会因环境因素(玻璃和金属的反射、烟雾和水蒸气、强光和黑暗等)而产生误动作(参照第2项)。而LF传感如第3项所述,它利用的是磁场,因此不受强光和黑暗的影响,并且能够检测到低反射率物体。即使在LiDAR和摄像头难以工作的场景,例如,有烟雾或水蒸气的环境,LF传感也有可能十分有效地对AMR的移动进行有效地补充。

4.2 检测物体后方的障碍物和人员

如前所述,AMR存在碰撞风险(参照第2项)。利用磁场的LF传感具有磁场能方便地到达障碍物后方的特征。因此,LF传感有可能检测到设备或墙壁造成的盲区中的障碍物和人员,而这些盲区是LiDAR和摄像头难以检测到的。

4.3 决定停止位置和边界管理

LiDAR和摄像头的测量误差、SLAM推测误差、传感器的校正误差以及地面倾斜等因素会造成定位误差,定位误差导致难以将停止位置确保在数厘米级别的精度和对禁止进入的边界进行判断(参照第2项)。
WPT不需要插拔电缆即可充电,但需要将AMR引导到可供电的位置。LF传感的定位测距精度较高,可达到数厘米,有望引导AMR到达供电位置和高精度判断禁止进入的边界。

决定停止位置图片
支持高精度引导到供电位置
边界管理图片
高精度判断禁止进入的边界

5. LF传感在AMR中的有效利用

AMR是配备了前沿传感器技术的搬运机器人。考虑AMR在现场是否有用时,稳定的移动和运行非常重要,操作性、安全性、可维护性等用户视角不可或缺。因此,在将AMR引进现场时,倾听来自现场人员的意见并通过试验进行确认至关重要。有鉴于此,LF传感有望为解决AMR在现场应用中面临的问题提供帮助。

关联网站

相关产品

相关文章