Investigadores rusos han desarrollado un prototipo de robot capaz de llevar a cabo misiones de recarga ad hoc para robots agrícolas e industriales cuya autonomía se ve limitada por la falta de tomas de corriente, y que también presenta un estándar propuesto para una configuración de enchufe/toma de carga aplicable a los sistemas de robótica móvil.
El prototipo de ‘MobileCharger’, reveló en un artículo reciente del Instituto Skolkovo de Ciencia y Tecnología de Moscú, está equipado con un mecanismo de activación no muy diferente a las amplias capacidades de enclavamiento de los sistemas militares de transporte aéreo diseñados para el reabastecimiento de combustible en vuelo.
El robot prototipo MobileCharger. Fuente: https://arxiv.org/pdf/2107.10585.pdf
MobileCharger intenta mejorar iniciativas similares de los últimos años, como el ‘Laderoboter’ de Volkswagen robot de carga movil y el robot de recarga EVAR de Samsung de varias maneras: haciendo un mejor equilibrio entre peso y capacidad; reduciendo los requisitos de espacio para las operaciones de recarga (una debilidad de EVAR); mediante el uso de redes neuronales convolucionales (CNN) para optimizar la operación de participación; y mediante el uso de una variedad de sensores, incluidos LiDAR y sensores táctiles, para estimar la posición relativa del robot que se va a recargar.
El sistema de acoplamiento presenta una relativa libertad de movimiento en tres direcciones, para adaptarse a diferentes diseños de robots de campo y para tener en cuenta los entornos que pueden presentar un terreno más irregular que las superficies planas de un piso de fábrica.
Las operaciones de recarga están destinadas a durar unas cuatro horas, con una transferencia constante de 22 voltios. Durante el proceso, es esencial que la conexión física permanezca constante, ya que es muy probable que la desalineación horizontal o vertical provoque daños en uno o ambos robots, con la posibilidad de una descarga eléctrica sin conexión a tierra.
El actuador delta invertido que se presenta en MobileCharger ofrece una mejor velocidad operativa que las soluciones recientes para escenarios de recarga en el campo, y los investigadores afirman que su diseño compacto y distintivo será más fácil de fabricar.
El actuador Delta también cuenta con un bloqueo basado en imanes, aunque esto no sería suficiente por sí solo para mantener un contacto seguro durante las operaciones de recarga, y está respaldado por varios enfoques complementarios, incluido un anillo de configuración y un efector final con electrodos y servomotores.
Carga independiente del diseño
MobileCharger no está diseñado para tener un conocimiento de dominio completo de cada robot que podría necesitar recargar, sino que utilizará una variedad de métodos para identificar un enchufe de carga compatible en algún lugar del chasis del robot y maniobrar en una proximidad que permita para conectarse al robot de destino.
Conjunto de sensores de presión táctil en el mecanismo de acoplamiento de MobileCharger.
Efectivamente, MobileCharger lanza una gama de soluciones al desafío de la evaluación de la alineación y el compromiso constante, incluidos los sistemas de visión por computadora RGB-D (profundidad habilitada) de los robots recolectores de frutas y los sistemas de retroalimentación táctil y táctil sensible a la presión de los robots industriales cerrados.
Reconocimiento de imagen
El escáner LiDAR de MobileCharger está respaldado por un Intel RealSense D435 RGB cámara de profundidad para la estimación de proximidad, sirviendo también como un mecanismo de alimentación para las capacidades de estimación de contacto basadas en CNN del robot.
El sistema de detección de objetos utilizado por MobileCharger se basa en YOLOv3, un eficaz sistema de reconocimiento de imágenes en tiempo real con 106 capas, alimentado por un conjunto de datos entrenado a medida que se centra en el diseño de la base de recarga propuesta.
El conjunto de datos contiene 170 muestras, divididas entre 120 para entrenamiento y 50 en conjuntos de prueba, realizadas en una variedad de condiciones de iluminación y una gama de variaciones de guiñada de 75 a 105 grados. Las imágenes en el conjunto de datos de entrenamiento tienen una resolución de 840 × 480 y cuentan con datos RGB y de profundidad.
Red neuronal convolucional
La CNN utilizada en MobileCharger aborda el problema del contacto constante durante la operación de carga y está alimentada por dos conjuntos de datos personalizados: el primer conjunto de datos presenta datos sobre la desalineación angular entre electrodos, con 600 pares de datos derivados de mecanismos de sensores táctiles; el segundo conjunto de datos se ocupa de la desalineación horizontal y vertical del efector final (el conjunto de carga) y contiene 500 pares de datos.
La arquitectura CNN para captar la coherencia.
Los datos se dividieron en un 67 % de entrenamiento y un 33 % de conjuntos de evaluación, con la precisión como métrica objetivo.
Antes de decidirse por el método CNN/YOLO, los investigadores consideraron usar Histograma de gradientes orientados (HoG) con Support Vector Machine (SVM) y también detección de contorno con el detector de bordes Canny. Ninguno de los métodos se consideró adecuadamente resistente a los desafíos de las operaciones de carga en el campo.
Carga de enjambre
El sistema MobileCharger está diseñado para entornos interiores y exteriores, y el trabajo futuro de los investigadores abordará el desarrollo de algoritmos de localización y mapeo. 1 grado también se explorará como una instalación adicional para la rotación de electrodos en el eje de balanceo del mecanismo de conexión.
Como era de esperar, el sistema de acoplamiento patentado está destinado eventualmente a una ecoestructura más amplia de robots y dispositivos autónomos, que según el documento se llamará SwarmCharge. MobileCharger pretende ser un sistema de soporte para una amplia variedad de tipos de robots, incluidos mecanismos humanoides, cuadrúpedos y UAV.