ระบบ AI ที่มีร่างกายทํางานในโลกทางกายภาพ: พวกมันรับรู้สิ่งรอบตัว ตัดสินใจ และเคลื่อนไหว การสนทนาส่วนใหญ่ในปัจจุบันมุ่งเน้นไปที่แบบจําลองและทักษะการชักจูง แต่ทุกการกระทําทางกายภาพขึ้นอยู่กับคําถามที่เงียบกว่าก่อนหน้านี้ — ฉันอยู่ที่ไหน และฉันกําลังเคลื่อนไหวอย่างไร?GNSS RTK สําหรับหุ่นยนต์ AI ที่ฝังตัวเป็นวิธีหนึ่งในการตอบคําถามนี้กลางแจ้ง โดยให้การกําหนดตําแหน่งที่แม่นยําสูงในจุดที่ข้อมูลรับและแก้ไขจากดาวเทียมเอื้ออํานวย คู่มือนี้อธิบายว่า RTK มีส่วนช่วยอะไรในการระบุตําแหน่งของหุ่นยนต์ ความสัมพันธ์กับ SLAM และเซ็นเซอร์อื่น ๆ และสิ่งที่วิศวกรหุ่นยนต์ควรประเมินก่อนนํามาใช้
AI ที่อยู่ในร่างกายคืออะไร และทําไมการแปลท้องถิ่นจึงสําคัญ?
ปัญญาประดิษฐ์ที่มีร่างกายหมายถึงสติปัญญาที่ทํางานผ่านร่างกายทางกายภาพ — หุ่นยนต์คล้ายมนุษย์ หุ่นยนต์เคลื่อนที่ แพลตฟอร์มอัตโนมัติ วงจรนี้เป็นสิ่งที่วิศวกรควบคุมคุ้นเคย: รับรู้สภาพแวดล้อม ตัดสินใจ ลงมือทํา และสังเกตผลลัพธ์ สิ่งที่ทําให้ระบบที่มีร่างกายแตกต่างจากระบบดิจิทัลล้วน ๆ คือ ทุกการตัดสินใจสุดท้ายจะดําเนินการผ่านมอเตอร์ที่สัมผัสกับพื้นดินจริงภายใต้ข้อจํากัดทางกายภาพจริง
การแปลภาษาอยู่ใต้ลูปนั้น หุ่นยนต์ตรวจสอบที่ไม่สามารถประมาณตําแหน่งของตนเองได้ จะไม่สามารถรายงานตําแหน่งที่พบข้อผิดพลาดได้; หุ่นยนต์ส่งของที่ลอยไปมาระหว่างอาคารมาถึงทางเข้าผิด การประมาณตําแหน่ง ทิศทาง และการเคลื่อนที่ช่วยวางแผนเส้นทางป้อนอาหาร การมอบหมายงาน การทําแผนที่ และตรรกะความปลอดภัย คุณภาพของการประมาณเหล่านั้นจํากัดโดยตรงกับสิ่งที่ระบบส่วนที่เหลือสามารถทําได้ ไม่ว่าจะมีความสามารถแค่ไหนก็ตาม
ทําไม Vision และ SLAM อาจต้องการการอ้างอิงตําแหน่งแบบสัมบูรณ์
หุ่นยนต์เคลื่อนที่ส่วนใหญ่จะระบุตําแหน่งด้วยการรับรู้บนยาน เช่น กล้อง, LiDAR, การวัดระยะทางด้วยสายตา, ตัวเข้ารหัสล้อ และ IMU ซึ่งมักเชื่อมต่อกันด้วย SLAM (Simultaneous Locization and Mapping) เทคโนโลยีเหล่านี้ตอบคําถามท้องถิ่นคําถาม — หุ่นยนต์เคลื่อนที่อย่างไรเมื่อเทียบกับลักษณะที่มันสังเกตรอบตัว พวกเขาเก่งในการนําทางสถานที่ที่รู้จักหรือสร้างแผนที่ของสถานที่ใหม่
พวกเขาไม่เหมาะสมกับการตอบคําถามด้วยตัวเองทั่วโลกคําถาม: หุ่นยนต์ตัวนี้อยู่ที่ไหนในพิกัดภูมิศาสตร์ เมื่อเทียบกับแผนที่ไซต์ ยานพาหนะอีกคัน หรือเส้นทางตรวจสอบเมื่อวานนี้ การประมาณค่าสัมพัทธ์สะสมความคลาดเคลื่อนตามเวลาและระยะทาง และแผนที่ที่สร้างในร่มไม่ได้บอกอะไรเกี่ยวกับที่จอดรถด้านนอกเลย
นี่คือช่องว่างที่การอ้างอิงตําแหน่งสัมบูรณ์เติมเต็ม ตําแหน่ง GNSS จะแสดงโดยตรงในกรอบอ้างอิงทางภูมิศาสตร์ โดยไม่ต้องทําแผนที่สภาพแวดล้อมล่วงหน้า การที่หุ่นยนต์แต่ละตัวต้องการอ้างอิงนี้ขึ้นอยู่กับสภาพแวดล้อมการทํางาน ความต้องการความแม่นยํา สถาปัตยกรรมการนําทาง ความพร้อมของสัญญาณ GNSS และข้อจํากัดด้านต้นทุนและพลังงาน — ไม่ใช่ทุกระบบหุ่นยนต์ที่ต้องการทั้ง GNSS และ SLAM
วิธีที่ GNSS RTK สําหรับหุ่นยนต์ AI ที่บรรจุอยู่ในร่างกาย สนับสนุนการระบุตําแหน่งด้วยหุ่นยนต์
การกําหนดตําแหน่งมาตรฐานของ GNSS ให้ความแม่นยําระดับเมตร ซึ่งมักจะหยาบเกินไปสําหรับหุ่นยนต์ที่เดินทางระหว่างจุดทางที่รู้จัก RTK (Real-Time Kinematic) ปรับปรุงการวัดโดยผสมผสานข้อมูลการสังเกตในเฟสของตัวรับของโรเวอร์กับข้อมูลการแก้ไขจากสถานีฐานที่ทราบตําแหน่ง หรือจากบริการแก้ไขเครือข่าย ภายใต้เงื่อนไขที่เหมาะสม ตําแหน่งที่ได้จะแม่นยําพอที่จะวางหุ่นยนต์บนแผนที่ไซต์ขนาดเซนติเมตรได้
สําหรับแพลตฟอร์ม AI ที่ฝังอยู่ในร่างกาย ผลลัพธ์นั้นจะกลายเป็นหนึ่งในอินพุตของสแตกการนําทาง: การอัปเดตตําแหน่งเป็นระยะในกรอบระดับโลกที่ชั้นโลคัลไลเซชันสามารถผสมผสานกับการประมาณการเคลื่อนไหวของตนเองได้ ประสิทธิภาพของ RTK ไม่เคยมีเงื่อนไข ขึ้นอยู่กับทัศนวิสัยของดาวเทียม ความพร้อมใช้งานของข้อมูลแก้ไข การส่งสัญญาณหลายเส้นทางจากโครงสร้างใกล้เคียง ตําแหน่งเสาอากาศ ความสามารถของเครื่องรับ สภาพแวดล้อม และการบูรณาการระบบโดยรวม ตัวเลขระดับเซนติเมตรในแผ่นข้อมูลเป็นข้อกําหนดภายใต้เงื่อนไขที่กําหนดไว้ ไม่ใช่การรับประกันในทุกสภาพแวดล้อม
GNSS RTK และ SLAM: บทบาทเสริมในการนําทางด้วยหุ่นยนต์
GNSS RTK และ SLAM มักถูกนําเสนอเป็นทางเลือก ในทางปฏิบัติ พวกเขาทํางานที่แตกต่างกัน การเปรียบเทียบด้านล่างสรุปการแบ่งงานทั่วไป
| ลักษณะ | GNSS RTK | SLAM / การวัดระยะทางด้วยสายตาเฉื่อย |
|---|---|---|
| กรอบอ้างอิง | พิกัดโลก / ภูมิศาสตร์ | แผนที่ท้องถิ่นหรือเฟรมสัมพัทธ์ของร่างกาย |
| การลอยตัวระยะยาว | จํากัดด้วยเรขาคณิตดาวเทียมและการแก้ไข | สะสมตามระยะทางที่เดินทาง |
| สิ่งแวดล้อม | ต้องการมุมมองท้องฟ้าเปิด | ใช้งานได้ทั้งในร่มและกลางแจ้งพร้อมฟีเจอร์ที่ใช้งานได้จริง |
| ความเข้าใจด้านสิ่งแวดล้อม | เฉพาะตําแหน่ง | สิ่งกีดขวาง โครงสร้าง และพื้นที่ว่าง |
การรวมกันของทั้งสองสามารถลดการพึ่งพาเซ็นเซอร์เพียงตัวเดียว: GNSS ยึดแผนที่ไว้กับโลกจริงและจํากัดข้อผิดพลาดระยะยาว ขณะที่ SLAM จะพาหุ่นยนต์ผ่านช่วงขัดข้องสั้น ๆ และตีความสภาพแวดล้อมรอบตัว ความยืดหยุ่นนั้นเป็นคุณสมบัติของการออกแบบ ไม่ใช่อัตโนมัติ — ฟิวชันต้องถูกออกแบบและตรวจสอบความถูกต้อง ทั้งในร่ม ใต้ดิน ในหุบเขาเมือง และพื้นที่ที่มีสิ่งกีดขวางอย่างหนัก อาจไม่สามารถระบุตําแหน่งด้วยดาวเทียมได้เลย และจําเป็นต้องใช้วิธีการระบุตําแหน่งอื่น ๆ
ความท้าทายสําคัญในการบูรณาการ GNSS สําหรับหุ่นยนต์ AI ที่ฝังตัว
การผสาน GNSS เข้ากับหุ่นยนต์เคลื่อนที่หรือหุ่นยนต์มนุษย์ก่อให้เกิดคําถามทางวิศวกรรมที่การติดตั้งแบบตายตัวไม่เคยทําได้
- ขนาดและน้ําหนัก:แพลตฟอร์มขนาดกะทัดรัดและมนุษย์นครมีงบประมาณบรรทุกและปริมาตรที่เข้มงวด ซึ่งผลักดันให้การออกแบบเน้นโมดูลและเสาอากาศขนาดเล็กมากกว่าเครื่องรับแบบกล่อง
- การใช้พลังงาน:สาย GNSS ดึงพลังงานจากแบตเตอรี่ของหุ่นยนต์อย่างต่อเนื่อง ดังนั้นงบประมาณจึงต้องประเมินควบคู่ไปกับโหลดขับเคลื่อนและการประมวลผล
- ตําแหน่งเสาอากาศ:เสาอากาศต้องการมุมมองท้องฟ้าที่ชัดเจนที่สุดเท่าที่จะเป็นไปได้ ในมนุษย์ หัวเป็นตัวเลือกแต่มักจะเอียง; บนแพลตฟอร์มเคลื่อนที่ การวางหลังคาหรือเสาจะเปรียบเทียบทัศนวิสัยกับความสูงและความเสี่ยงจากการกระแทก
- การเคลื่อนไหวแบบไดนามิก:การเปลี่ยนท่าทาง การสั่นสะเทือน และการเปลี่ยนทิศทางอย่างรวดเร็วส่งผลต่อการรับสัญญาณและเงื่อนไขหลายเส้นทาง ขนาดของผลกระทบจะแตกต่างกันไปตามแพลตฟอร์มและควรวัด ไม่ใช่สมมติฐาน
- การซิงโครไนซ์เวลา:การหลอมรวม GNSS กับ IMU, กล้อง และข้อมูล LiDAR จําเป็นต้องมีเวลาประทับที่สอดคล้องกันระหว่างเซ็นเซอร์ ความแม่นยําที่ต้องการขึ้นอยู่กับแอปพลิเคชันและควรกําหนดก่อนเลือกฮาร์ดแวร์
- อินเทอร์เฟซและการสื่อสาร:รูปแบบเอาต์พุต อัตราการอัปเดต และอินเทอร์เฟซทางไฟฟ้าระหว่างส่วนประกอบ GNSS กับตัวควบคุมหลักของหุ่นยนต์ต้องได้รับการยืนยันทั้งสองด้าน
- ความพร้อมใช้งานของสัญญาณ:ทางเดินในร่ม อุโมงค์ วิทยาเขตที่หนาแน่น และพื้นที่ข้างโครงสร้างขนาดใหญ่สามารถบล็อกหรือทําลายสัญญาณดาวเทียมได้ แผนที่ปฏิบัติการควรถูกสํารวจตั้งแต่เนิ่นๆ
วิธีเลือกฮาร์ดแวร์ GNSS สําหรับแอปพลิเคชัน AI ที่ฝังอยู่ในตัว
รูปแบบผลิตภัณฑ์ที่เหมาะสมขึ้นอยู่กับความลึกของการบูรณาการและขั้นตอนของโครงการ
- โมดูล GNSSทีมงานสามารถฝังตําแหน่งได้โดยตรงในบอร์ดแคเรียร์ของตนเอง พร้อมควบคุมการจัดวาง พลังงาน และอินเทอร์เฟซ
- บอร์ด GNSS OEMมอบความสามารถที่สูงขึ้นและการผสานรวมแบบเชื่อมต่อสําหรับหน่วยนําทางแบบกําหนดเองและการผลิตขนาดเล็ก
- เครื่องรับและระบบ RTKมอบโซลูชันที่ครบถ้วนและกําหนดค่าสําหรับการสร้างต้นแบบ การทดลองภาคสนาม และแพลตฟอร์มที่ควรให้ความพยายามทางวิศวกรรมไปใช้ที่อื่น
- สัญญาณ GNSSสมควรได้รับความสนใจเทียบเท่ากับตัวรับสัญญาณ — ประเภทองค์ประกอบ การติดตั้ง การสูญเสียสายเคเบิล และพฤติกรรมมัลติพาธ กําหนดความแม่นยําในโลกจริง
- ชุดทดสอบให้ทีมทดสอบพฤติกรรมสัญญาณ กระบวนการแก้ไข และประสิทธิภาพของอินเทอร์เฟซบนหุ่นยนต์จริงก่อนตัดสินใจออกแบบ
การตัดสินใจควรพิจารณาขั้นตอนการพัฒนา ความลึกของการบูรณาการ ขนาดและข้อจํากัดด้านพลังงาน ความต้องการตําแหน่ง การกําหนดค่าเสาอากาศ แหล่งข้อมูลแก้ไข อินเทอร์เฟซ สถาปัตยกรรมซอฟต์แวร์ ปริมาณการผลิต และระดับการสนับสนุนจากซัพพลายเออร์ที่ต้องการ ไม่มีหมวดหมู่ใดที่เหมาะกับหุ่นยนต์ทุกตัว
โซลูชัน JUMPSTAR GNSS สําหรับหุ่นยนต์และระบบอัตโนมัติ
JUMPSTAR มอบพอร์ตโฟลิโอที่ครอบคลุมโมดูล GNSS, บอร์ด GNSS OEM, เครื่องรับและระบบ RTK, และสัญญาณ GNSSพร้อมกับชุดประเมินผลสําหรับทีมพัฒนา กลุ่มผลิตภัณฑ์เหล่านี้ถูกนําไปใช้ในงาน UAV, การสํารวจ, ยานพาหนะ และการกําหนดตําแหน่งในอุตสาหกรรม และส่วนประกอบเดียวกัน — ตัวรับสัญญาณหลายกลุ่ม, การประมวลผล RTK และเสาอากาศที่จับคู่กัน — คือจุดเริ่มต้นของการบูรณาการหุ่นยนต์
สําหรับการพัฒนา AI ที่ฝังอยู่ในร่างกาย วิธีการปฏิบัติคือการคัดเลือกผลิตภัณฑ์ตามรูปแบบการผสานรวมและความต้องการอินเทอร์เฟซ จากนั้นประเมินโมเดลเฉพาะกับโปรไฟล์การเคลื่อนไหวและสภาพแวดล้อมจริงของหุ่นยนต์ ทีมเทคนิคของ JUMPSTAR สามารถให้คําแนะนําเกี่ยวกับการเลือกโมดูลและเสาอากาศตามความต้องการการบูรณาการเฉพาะ; ความเหมาะสมควรได้รับการยืนยันเสมอผ่านการประเมินบนแพลตฟอร์มเป้าหมาย
ระบบนําทางภายใน-กลางแจ้งและการผสานรวมหลายเซ็นเซอร์
มีหุ่นยนต์เพียงไม่กี่ตัวที่อาศัยอยู่ในสภาพแวดล้อมเดียวกัน หุ่นยนต์ตรวจสอบภายนอกอาจเริ่มทํางานในช่องชาร์จภายในอาคาร; หุ่นยนต์ส่งของจะข้ามพื้นที่โล่ง ผ่านระหว่างอาคาร และเข้าสู่ทางเดินที่มีหลังคาคลุม แต่ละโซนจะเน้นอินพุตตําแหน่งที่แตกต่างกัน:
- พื้นที่กลางแจ้งเปิดโล่ง:การกําหนดตําแหน่ง RTK ที่มีรูปทรงดาวเทียมที่ดีมักเป็นข้อมูลอ้างอิงหลัก
- พื้นที่ที่ถูกบังบางส่วน:ความพร้อมใช้งานของ RTK กลายเป็นแบบไม่สม่ําเสมอ; ชั้นการระบุตําแหน่งต้องสลายตัวอย่างสง่างาม โดยมักพึ่งพาการเคลื่อนที่และการรับรู้มากกว่า
- ในร่มและอุโมงค์:โดยทั่วไปแล้วระบบระบุตําแหน่งด้วยดาวเทียมจะไม่สามารถใช้งานได้; SLAM, การเคลื่อนที่ด้วยภาพเฉื่อย และเทคโนโลยีท้องถิ่น เช่น UWB เข้ามาแทนที่
- สภาพแวดล้อมเมืองที่มีความหนาแน่นสูง:การปิดกั้นแบบหลายเส้นทางและการปิดกั้นท้องฟ้าต้องการการวางเสาอากาศอย่างระมัดระวังและคาดหวังความแม่นยําที่สมเหตุสมผล
ดังนั้น สถาปัตยกรรมการผลิตจึงรวมปัจจัยนําเข้าหลายอย่างเข้าด้วยกัน พร้อมกับชั้นฟิวชันที่ชั่งน้ําหนักแต่ละแหล่งตามสภาพ ส่วนผสมที่เหมาะสมจะถูกกําหนดโดยสภาพแวดล้อมและความต้องการการทํางานของหุ่นยนต์ และควรได้รับการตรวจสอบในการทดสอบภาคสนามที่ครอบคลุมเส้นทางจริงที่หุ่นยนต์จะวิ่ง
คําถามที่วิศวกรควรถามก่อนผสาน GNSS RTK เข้ากับหุ่นยนต์
ก่อนตัดสินใจซื้อฮาร์ดแวร์ ทีมวิศวกรรมและจัดซื้อควรสามารถตอบคําถามต่อไปนี้ได้:
- แอปพลิเคชันต้องการความแม่นยําในการวางตําแหน่งมากแค่ไหน?
- หุ่นยนต์จะทํางานในร่ม กลางแจ้ง หรือในสภาพแวดล้อมที่หลากหลายหรือไม่?
- ข้อมูลการแก้ไข RTK มีให้บริการทั่วพื้นที่ปฏิบัติการหรือไม่ และมาจากแหล่งใด?
- การตั้งค่าเสาอากาศและตําแหน่งติดตั้งแบบใดที่เป็นไปได้จริงบนแพลตฟอร์มนี้?
- ขนาด, น้ําหนัก และงบประมาณกําลังของโซ่ GNSS เป็นอย่างไร?
- คอนโทรลเลอร์หลักของหุ่นยนต์คาดหวังอินเทอร์เฟซและรูปแบบข้อมูลแบบใดบ้าง?
- ข้อมูล GNSS จะถูกซิงโครไนซ์กับ IMU, กล้อง และ LiDAR อย่างไร?
- ระบบควรทํางานอย่างไรเมื่อสัญญาณ GNSS หายไป?
- การฟิวชันเซ็นเซอร์ทําเองภายในองค์กรหรือจําเป็นต้องได้รับการสนับสนุนจากซัพพลายเออร์?
- มีการทดสอบภาคสนามบนเส้นทางตัวแทนอะไรบ้างก่อนการนําไปใช้งาน?
บทสรุป
การแปลเป็นรากฐานของ AI ที่มีร่างกาย: หุ่นยนต์ที่ไม่สามารถวางตัวเองได้ ก็ไม่สามารถทํางานได้อย่างน่าเชื่อถือในโลก GNSS RTK สําหรับหุ่นยนต์ AI ที่ฝังตัวทําหน้าที่เป็นตัวอ้างอิงการกําหนดตําแหน่งแบบสัมบูรณ์สําหรับการทํางานกลางแจ้งและแบบเปิดบางส่วน โดยเสริม — ไม่ใช่แทนที่ — SLAM, IMU และเซ็นเซอร์รับรู้ที่จัดการการนําทางในพื้นที่และทําความเข้าใจสิ่งแวดล้อม การตระหนักถึงคุณค่านั้นขึ้นอยู่กับการเลือกฮาร์ดแวร์อย่างมีวินัย การผสานรวมเสาอากาศและอินเทอร์เฟซอย่างรอบคอบ และการตรวจสอบเฉพาะแอปพลิเคชันในเส้นทางการทํางานจริงของหุ่นยนต์ หากคุณกําลังประเมินส่วนประกอบการวางตําแหน่งสําหรับแพลตฟอร์มหุ่นยนต์ ให้สํารวจโมดูล GNSS บอร์ด OEM เครื่องรับสัญญาณ และเสาอากาศของ JUMPSTAR หรือติดต่อทีมเทคนิคเพื่อพูดคุยเกี่ยวกับความต้องการการบูรณาการของคุณ
.png?imageMogr2/format/webp)
.png?imageMogr2/format/webp)
