Waarom er geen standaardoplossing bestaat

Eerst het onderscheid. Een AGV volgt doorgaans een route die vooraf is vastgelegd, vaak met hulp van de omgeving zoals magneetstrips of reflectoren. Een AMR is zelfstandiger: die kan zijn eigen route bepalen, bijsturen en obstakels ontwijken.

Voor een nette, voorspelbare magazijnomgeving bestaan er inmiddels beproefde oplossingen. Maar zodra een robot in de echte, rommelige, wereld daarbuiten moet functioneren houdt dat op. Neem een robot die zowel binnen als buiten moet rijden: buiten is een GNSS signaal aanwezig, binnen niet; lichtomstandigheden variëren sterk, net als de ondergrond. Of denk aan een vieze, stoffige omgeving zoals een veehouderij.

Dit soort omstandigheden levert twee hardnekkige problemen op:

• Slecht zicht en vervuiling.
  Veel moderne navigatietechnieken leunen op optische sensoren: camera's en LiDAR (laserscanners). Die werken goed in schone lucht met vrij zicht, maar kunnen snel in de problemen komen door stof en vuil. Een opwaaiende stofwolk wordt zomaar aangezien voor een obstakel en een laagje stof of modder op de lens maakt de sensor blind. In zulke omgevingen zijn camera's en LiDAR dus lastig of zelfs onbruikbaar.
• Wisselende ondergronden en tractieverlies.
  Een robot die over verschillende ondergronden rijdt 
  heeft steeds met andere grip te maken. Waar de wielen slippen of doordraaien, ontstaat tractieverlies. Dat maakt niet alleen het rijden zelf lastiger, maar ondermijnt ook een veelgebruikte methode om de positie te schatten. Daarover zo meer.

De conclusie: er is geen universele oplossing. Elke omgeving vraagt om een doordachte combinatie van technieken. Precies dat maatwerk, vanuit een blik op het systeem als geheel, is waar wij bij RIWO in thuis zijn.

Positiebepaling: de basis onder alle navigatie

Voordat een robot ook maar één meter zinvol kan rijden moet hij deze vraag kunnen beantwoorden: waar ben ik? Positiebepaling is het fundament onder navigatie. Een robot die niet weet waar hij is kan ook niet bepalen waar hij heen moet of welke route hij moet volgen. En juist in de hierboven geschetste omstandigheden is dat de allergrootste uitdaging.

Het probleem is dat geen enkele sensor in zijn eentje overal betrouwbaar is:

• GNSS, met name bekend van GPS, gebruikt satellieten om een positie in te schatten. Met de RTK variant is het mogelijk om de positie tot op enkele centimeters nauwkeurig te bepalen. GNSS werkt goed buiten, maar valt binnen volledig weg en wordt onbetrouwbaar dicht langs gebouwen en constructies.
• Optische sensoren, waaronder camera's en LiDAR, worden vaak toegepast in binnenomgevingen. Ze bieden nauwkeurige bepaling van de positie bij vrij zicht, maar zijn lastig betrouwbaar te houden in stoffige en vervuilde omgevingen.
• Wielodometrie, het schatten van de positie door te tellen hoeveel de wielen draaien, is altijd beschikbaar en goedkoop toe te passen. Het is verminderd nauwkeurig doordat banden verschillend gedrag vertonen op verschillende ondergronden. Tractieverlies is funest en resulteert snel in hoge afwijkingen. Verder is deze techniek gevoelig voor bandenslijtage.
• Een IMU (Inertial Measurement Unit) is een soort sensor die bestaat uit gyroscopen, versnellingsmeters, en kompassen. Hiermee kan de sensor bepalen in welke richting de robot gericht staat en hoe snel deze draait. Metingen van een IMU zijn altijd beschikbaar en niet gevoelig voor tractieverlies, wat het een populaire keuze maakt om te combineren met wielodometrie. De aanwezige kompassen zijn vaak onbruikbaar in binnenomgevingen doordat deze hierin snel verstoord worden door metalen voorwerpen en elektrische apparaten. Een IMU is bruikbaar zonder kompassen maar zal in dat geval na verloop van tijd gaan afwijken. Met technieken kan de invloed hiervan beperkt worden.
• Herkenningspunten in de omgeving, zoals RFID (Radio Frequency Identification) tags in de vloer, kunnen als alternatief dienen voor GNSS of optische sensoren. Op vaste vooraf bepaalde plekken worden tags aangebracht. Wanneer de robot over, of langs, deze tags rijdt leest hij deze draadloos uit en weet op dat moment exact waar hij is. Omdat dit op een radiosignaal werkt en geen vrij zicht vereist is het juist onder vieze en stoffige omstandigheden zeer geschikt. De beperking van deze techniek is dat er alleen een meting gedaan kan worden op het moment dat een tag binnen bereik is en niet op de momenten daar tussenin. Dit maakt het lastig om er een doorlopende, robuuste, positie op te baseren.

De rode draad: elke sensor heeft zijn sterke kanten, maar ook omstandigheden waarin hij minder goed presteert of even helemaal niets bruikbaars oplevert. En dat zijn nu net de omstandigheden die in uitdagende omgevingen voortdurend voorkomen.

Slim combineren met sensorfusie

De oplossing zit niet in één perfecte sensor, maar in het slim combineren van verschillende sensoren. Dat doen wij met sensorfusie: het samenvoegen van metingen van verschillende sensoren tot één positieschatting die nauwkeuriger én robuuster is dan elke sensor afzonderlijk.

Het idee achter sensorfusie is dat elke sensor niet alleen een meting levert, maar ook een mate van betrouwbaarheid in de gegeven situatie. Sensorfusie weegt die metingen tegen elkaar af en combineert ze tot de best mogelijke schatting van waar de robot zich bevindt. Wiskundig gebeurt dat met technieken uit de statistiek en regeltechniek, zoals kalman-filters.

Het echte voordeel zit in de robuustheid. De sensoren vullen elkaar aan: is de ene sensor in een bepaalde situatie minder betrouwbaar, dan vangen de andere dat op. Het systeem zakt zo niet in elkaar zodra één sensor het laat afweten, maar blijft een bruikbare, betrouwbare positie leveren. Zo ontstaat een positiebepaling die meebeweegt met de omstandigheden in plaats van eraan ten onder gaat.

Een vergelijking met onszelf maakt het concreet. Ook mensen navigeren niet op hun ogen alleen: we combineren wat we zien met ons evenwichtsgevoel en het gevoel van de stappen die we zetten. Doe je even je ogen dicht, dan loop je nog gerust een stukje rechtdoor zonder om te vallen. Dit komt omdat je zintuigen elkaar aanvullen. Een robot met sensorfusie doet in feite hetzelfde.

Van positie naar route

Weet de robot eenmaal betrouwbaar waar hij is, dan komt navigatie in beeld: het plannen van een route en het netjes volgen daarvan. Binnen RIWO hebben we ruime ervaring met zowel routeplanning als routevolgen voor grondrobots.

Daarbij is het zelden zo simpel als rijden van punt A naar punt B. Veel toepassingen kennen geen vast begin- en eindpunt. Een voerrobot moet bijvoorbeeld eerst voer ophalen, vervolgens langs verschillende plekken rijden om daar gedoseerd voer uit te delen, en tussendoor op tijd terug naar het laadstation keren. Dat vraagt om slim plannen. Welke taken in welke volgorde? Welke route is op dat moment het handigst? En zodra er meerdere robots tegelijk rondrijden, komt daar een extra uitdaging bij. Hoe zorg je ervoor dat ze elkaar niet in de weg rijden en hun routes goed op elkaar afgestemd blijven?

Sneller ontwikkelen met simulatie

Een groot deel van de functionaliteit voor positiebepaling en navigatie ontwikkelen en testen we eerst met behulp van simulatoren. Daarbij gebruiken we digital twins: virtuele kopieën van de robot en zijn omgeving. Simulatie is in de moderne robotica een onmisbaar onderdeel van het ontwikkelproces geworden. We kunnen er ontwerpkeuzes en software vroeg mee beproeven en verfijnen. Talloze situaties lopen we virtueel door om te zien hoe de robot zich gedraagt. Zo sporen we mogelijke problemen al op voordat er fysieke prototypes aan te pas komen. Dat versnelt de ontwikkeling en het drukt de kosten. En bovenal verlaagt het de risico's. We weten immers al in een vroeg stadium of het systeem doet wat het moet doen. Doordat de software al grotendeels in simulatie is getest staat die bovendien klaar zodra het eerste fysieke prototype beschikbaar is.

Onze kracht: het systeem als geheel

Wat navigatie onder uitdagende omstandigheden zo moeilijk maakt, is dat er geen universele oplossing bestaat die je er even bij koopt. Het vraagt om de juiste combinatie van sensoren, een robuuste positiebepaling, en navigatiesoftware die met de echte wereld overweg kan. Door al die onderdelen als één samenhangend systeem te benaderen, bouwen we grondrobots die blijven rijden waar standaardoplossingen het opgeven. Of het nu in de stal, op het land of in de betonfabriek is.

Die kennis hebben we gebundeld in ons RIBOTIC Navigatie platform, dat positiebepaling en navigatie verzorgt voor grondrobots zowel binnen als buiten, en geschikt is voor uiteenlopende robotconfiguraties.

Werk je aan een mobiele robot die in uitdagende omstandigheden zijn weg moet vinden? We denken graag met je mee. Neem contact op en ontdek wat er mogelijk is.