Dicas úteis

Carros-robô: como não dirigir com as próprias mãos

Pin
Send
Share
Send
Send


  • "onclick =" window.open (this.href, 'win2', 'status = não, barra de ferramentas = não, barras de rolagem = sim, barra de título = não, barra de título = não, barra de menus = não, redimensionável = sim, w> Imprimir
  • E-mail
Data Categoria: it

Nenhuma outra indústria foi mais revolucionária com o advento dos robôs do que a indústria automotiva. Os robôs são muito superiores aos humanos ao realizar um trabalho monótono e tedioso, que é a montagem de carros.

Nas linhas de produção, os robôs carimbam as peças do carro, soldam, pintam, instalam acessórios, transportam componentes entre as estações de trabalho. Os robôs podem até verificar a qualidade de seu próprio trabalho, seus sensores detectam os menores defeitos que podem escapar do olho humano. O uso de robôs avançou significativamente o desempenho da indústria automotiva. Os autômatos não funcionam apenas 24 horas por dia, eles - se programados adequadamente - quase não cometem erros. Isso permite que você construa carros mais rápido e mais barato.

O tipo mais comum de robô na indústria automotiva é um braço de robô. Uma ampla gama de movimentos e manipuladores sensíveis permitem que esse robô execute vários tipos de operações.

No processo de mover os esqueletos de carros semi-montados ao longo do transportador, um braço de robô é estendido para soldar peças. Os robôs realizam qualquer trabalho de soldagem necessário para a fabricação de um carro.

Soldagem local é parte integrante da produção de automóveis. O braço do robô comprime duas placas de metal em um só lugar, depois a alta tensão passa pelas peças de metal, transformando-as em uma junta chamada pepita.

Como pintores programados, dois robôs cobrem um carro esportivo com uma camada de tinta vermelha de espessura padrão em um determinado ângulo e a uma certa distância. O resultado excede todas as expectativas.

Um braço de robô insere um pára-brisa em um veículo próximo da conclusão. Os robôs de montagem para proteger os fios e as baterias recebem as peças e os componentes necessários do robô de transporte.

Carro robô sem volante

Carros autônomos de projetos atuais usam os seguintes sistemas de análise de situação:

  • radar
  • lidar
  • Baseado em GPS
  • baseado no odômetro
  • análise por computador.

Os sistemas de controle modernos interpretam as informações recebidas dos sensores e, assim, determinam os caminhos de navegação, obstáculos, sinais etc.

Os carros autônomos são capazes de analisar “sensualmente” - para determinar, por exemplo, vários tipos de veículos que se deslocam pela estrada.

Esse recurso é uma adição significativa ao planejar uma viagem a um destino.

A história do desenvolvimento de um carro robô

Máquinas de robô são encontradas em documentos de demonstração que ainda são marcados pelo período 1920-30.

No entanto, os primeiros carros robóticos, que realmente são um tipo de veículo autônomo, apareceram apenas em meados da década de 1980.

Estes foram principalmente produtos da criatividade dos entusiastas da Carnegie Mellon University (Navlab) e do desenvolvimento da empresa australiana ALV.

Desde 2014, a empresa tcheca Tesla já observou projetos mais interessantes.

No entanto, até os projetos completos correspondentes ao quinto nível de automação do sistema, o assunto ainda não foi atingido.

A Tesla Motors produziu um protótipo de robô de carro, correspondendo estruturalmente apenas ao segundo nível.

Carros de meio-robôs

De fato, esse é um modelo de transporte semi-autônomo, que não exclui completamente a intervenção humana. Enquanto isso, a Tesla Motors em outubro de 2014 iniciou a produção em massa de carros de piloto automático.

Possíveis proprietários exclusivos precisam adquirir um software que implemente as funções de piloto automático como um acessório opcional.

O piloto automático da Tesla agora é classificado pelos níveis 2 e 3 de robótica em uma escala estabelecida pela Society of Automotive Engineers (SAE), uma comunidade de engenheiros automotivos.

Tal classificação determina em particular: um piloto automático é capaz de agir autonomamente, mas requer atenção humana constante.

Dirigir nesta versão envolve uma mudança rápida de automática para manual em um momento crítico.

A oitava versão do piloto automático

O engenheiro canadense e ao mesmo tempo americano Elon Musk (Elon Musk) no final de agosto de 2016 anunciou um novo software de piloto automático (versão 8.0).

O programa envolve o uso de sinais de radar (lidar) para gerar orientação em condições de baixa visibilidade.

Em setembro de 2016, os especialistas da Tesla Motors lançaram a 8ª versão de firmware usando uma instalação de radar como sensor principal.

Existe uma função para calcular os dados do radar obtidos refletindo as ondas de rádio da estrada e dos veículos à frente.

No entanto, as capacidades do radar "ferro" não eram suficientes. Agora, os designers contam com o uso da tecnologia NVIDIA CUDA. O que virá disso, o tempo dirá.

Robôs de montagem na Mercedes

Os robôs colecionam carros Mercedes. O processo de produção sem uma pessoa.

Transportador Mercedes-Benz. Automação

Assistindo a esses vídeos, quero admirar a beleza da tecnologia robótica. Nem um único movimento extra, perfeita precisão de instalação. Beleza realizada por trabalho eletromecânico. Afinal, essa beleza foi criada originalmente por pessoas. Então, por que eles praticamente não estão no quadro?

Paradoxos da automação

O lado oposto da automação é o deslocamento de pessoas da produção. As pessoas se tornam redundantes no mundo das pessoas!
E o principal paradoxo - agora a Mercedes está longe de ser o exemplo lendário da qualidade e confiabilidade alemãs. Feedback sobre manutenção extraordinária devido a defeitos de fabricação tornou-se a norma. Merces verdadeiramente confiáveis ​​foram lançados somente no momento em que as pessoas trabalhavam na linha de montagem ...

Robôs começaram a perder pessoas

A gerência da Daimler AG, após estudar a deterioração da qualidade, tomou uma decisão sem precedentes - abandonar os transportadores robóticos e substituir absolutamente todos os robôs por pessoas. Uma decisão paradoxal foi dita pelo chefe de produção, Marcus Schäfer, e é baseada no fato de que a formação da Mercedes-Benz nos últimos anos se tornou tão variada que a "automação sem alma" não foi capaz de lidar rapidamente com a enorme variedade de opções disponíveis.

Os robôs coletores eram economicamente desvantajosos ao fornecer uma abordagem individual para resolver a crescente variedade de tarefas.

Automação lotou pessoas

A reestruturação começará com a maior fábrica de Sindelfingen. Todos os anos, 400 mil carros novos saem da linha de montagem desta divisão da Daimler AG. Os processos de produção aguardam mudanças drásticas, o que exigirá injeções econômicas significativas, no entanto, os alemães também têm planos napoleônicos para esse transportador. Após atualizar a tecnologia, a fábrica lançará imediatamente 30 novos modelos nos próximos quatro anos. E todos os novos produtos receberão a categoria "montagem manual". Um bom chute para os concorrentes.

Claro, o hype em torno da substituição de robôs por humanos é apenas um truque publicitário complicado. Ninguém vai se livrar da automação 100%. Alguns dos robôs serão deixados, no entanto, como prometido, agora eles funcionarão sob o controle de pessoas e realizarão apenas uma rotina monótona, pesada e descomplicada.

Por que Duckietown apareceu e como os carros de brinquedo autônomos são organizados

Em 2016, o Instituto de Tecnologia de Massachusetts (MIT) recebeu uma doação para o desenvolvimento de pilotos automáticos para carros. Os pesquisadores pensaram que o mesmo software funcionaria tanto em carros reais quanto em carros de brinquedo, que podem ser ensinados a operar autonomamente em uma cidade modelo. Então, o projeto do aluno Duckietown foi criado.

Os professores do MIT reuniram um grupo de estudantes com habilidades diferentes e estabeleceram a tarefa de construir uma cidade de brinquedos na qual os carros dirigem de maneira totalmente autônoma. Os alunos receberam caixas com glândulas, chips, controladores e carros montados.

Em seguida, um controlador de roda e um computador em miniatura baseado no Raspberry Pi foram instalados em cada um deles - foi assim que o carro aprendeu a dirigir.

Próxima etapa: o Sistema operacional do robô (ROS) foi instalado neste computador pequeno. Este é um conjunto de ferramentas para várias soluções robóticas - industriais e de brinquedos. Portanto, cada aluno tem um robô móvel autônomo chamado "Dakibot".

As tarefas foram divididas ainda mais: um grupo de estudantes se engajou no desenvolvimento de algoritmos para procurar marcações nas estradas, outro em algoritmos para reconhecer sinais de trânsito e alguém precisou desenvolver um protocolo através do qual os carros “concordassem” com a ordem de tráfego nos cruzamentos. Ao longo do ano, os alunos resolveram as tarefas básicas da direção autônoma ao longo de uma estrada marcada.

Em fevereiro, encontrei-me com Liam Paul (um dos autores do projeto Duckietown - aprox. “Artigos”) e perguntou o que precisa ser feito para se engajar em pesquisas sobre tráfego de carros autônomos na Rússia como parte deste projeto. Ele disse: "Nada, organize, não há problema."

Inicialmente, nós e dois estudantes da LETI e da AU tentamos seguir o mesmo caminho que os alunos do MIT no último semestre: do zero, construímos um carro, estrada, ambiente, iniciamos e depuramos os algoritmos básicos. No MIT, eles levaram a idéia principal, descrições e códigos-fonte.

Em 2017, lançamos um curso no Centro de Ciência da Computação, onde estudantes e crianças em idade escolar criaram uma cidade modelo já em grande escala com uma dúzia de “duckbots” autônomos e resolvemos vários novos problemas algorítmicos.

Você pode fazer uma analogia do Duckietown com o Linux: quando o código-fonte desse sistema operacional foi publicado pela primeira vez, ele tinha poucas oportunidades. Mas todos que estavam interessados ​​no surgimento de novos recursos começaram a adicionar seus próprios designs a esse projeto. Aqui está a mesma idéia: apenas o objetivo é uma plataforma aberta padrão para navegação autônoma e veículos não tripulados. E nos envolvemos nesse projeto: dominamos o que temos e começamos a adicionar novos recursos.

O Duckietown é projetado de tal maneira que o limiar de entrada para trabalhar com ele é muito baixo: você não precisa estudar na universidade há cinco anos; pode até ser um estudante para lidar com coisas básicas. Qualquer pessoa interessada neste tópico pode se conectar ao projeto, começar a criar algo e ver imediatamente o resultado de seus esforços.

Como os robôs navegam no espaço

Um carro autônomo é um robô que deve ser capaz de resolver um problema insolúvel - navegar em condições desconhecidas e agir de forma independente. Agora, apenas uma pessoa é capaz disso, e muitos pesquisadores sonham em criar algoritmos autônomos.

Há uma camada de tarefas SLAM - Localização e mapeamento simultâneos (um método de localização simultânea e criação de mapas - aprox. “Documentos”), cuja formulação geral é muito simples. Existe um robô móvel com um conjunto de sensores - por exemplo, uma câmera, um telêmetro. O robô é colocado em um ambiente desconhecido para ele e, olhando as leituras dos sensores, de alguma forma se move e resolve simultaneamente dois problemas: ele constrói um mapa espacial e determina suas coordenadas nesse mapa.

Se você pegar um bom aspirador de pó robô e colocá-lo em uma sala, depois de fazer uma série de movimentos, ele entenderá como o espaço funciona e poderá construir um mapa e sua rota. Mas isso quase sempre não é suficiente, porque há alguns objetos na sala que também precisam ser reconhecidos e reagir à sua aparência.

Uma tarefa semelhante também se aplica aos carros: o carro está dirigindo, refina o mapa, localiza-se nele - por isso possui marcadores que o sistema de navegação autônomo pode reconhecer. Por exemplo, o Dakibot analisa principalmente a marcação. Se ele a vê, ele pensa: "Ok, eu estou em algum lugar na faixa, devemos ir paralelos a essa linha". Mas ele ainda não sabe como construir um mapa global.

Mas a tarefa, afinal, não é simplesmente se mover ao longo da pista - é necessário gerenciar. Às vezes, existem linhas de parada ou obstáculos, e a máquina deve responder às circunstâncias. Ela "olha" com sensores para o mundo, vê, por exemplo, uma linha de parada e para. Ele analisa como o cruzamento é organizado, se há um semáforo ou outros carros, como você pode sair. Em seguida, ela precisa planejar uma trajetória que permita que você passe pelo cruzamento e entre novamente na pista.

Se falamos de direção autônoma em todo o mundo, os carros reais têm assistentes mais poderosos - por exemplo, o sistema GPS. Mas fornece coordenadas imprecisas, às vezes a diferença chega a 3-5 metros e, na estrada, pode ser uma faixa que se aproxima. Portanto, o GPS não é suficiente. Existem mapas eletrônicos que o navegador carrega, mas há problemas: eles cavaram aqui, colocaram um sinal aqui - isso não é refletido nos mapas instantaneamente.

Duckietown é interessante, pois aqui o foco está na autonomia - não há sistema externo. Muitos projetos de navegação implicam que algum servidor poderoso esteja próximo, monitore e gerencie tudo. Aqui, cada carro é completamente autônomo.

Qual deve ser a infraestrutura para carros autônomos

A infraestrutura, é claro, ajuda, embora 100% não resolva o problema da direção autônoma. Primeiro, vamos ver qual é a dificuldade de localização no local. Veja a navegação interna, por exemplo: um robô móvel se move, olha para uma parede, mede seus sensores e se localiza com um erro devido a erros de dados. Este erro pode ser corrigido encontrando determinados pontos nas medições, digamos, na imagem da câmera.

Mas aqui, nem tudo é bom. Por exemplo, olho para a parede, vejo algumas irregularidades, mas o sol começou a brilhar do outro lado - e não vejo mais essas irregularidades, mas vejo outra coisa. A grande maioria dos algoritmos sofre de falta de robustez: o robô chega ao ponto em que estava antes, mas não pode reconhecê-lo. As condições de observação mudaram - e ele acha que estava em outra parte do espaço.

Na rua de manhã, noite, verão, outono. No inverno, tudo é coberto de neve, no outono - com folhas. Começou a chover - tudo parece completamente diferente. Como reconhecê-lo? A infraestrutura pode ajudar da seguinte maneira: você pode marcar o espaço com tags artificiais, por exemplo, códigos QR, que por si só contêm coordenadas exatas. Em seguida, o veículo não tripulado vê um código QR, lê as coordenadas e pode corrigir radicalmente o erro acumulado.

Uma pessoa tem uma habilidade muito importante que os robôs ainda não possuem: ela reconhece bem as imagens - por exemplo, objetos. Olho para uma cadeira e sei que é uma cadeira. Isso é suficiente para eu entender sua forma, imaginar que há pernas abaixo, entender como está longe de mim. Eu tenho um modelo tridimensional na minha cabeça. Mas o robô não o possui - ele o constrói, olhando para uma imagem plana que parece diferente de diferentes pontos de vista.

Há mais um problema que, talvez, será resolvido em breve. Existe uma classe de algoritmos Structure From Motion (SFM) - esta é a identificação da estrutura do espaço a partir de observações durante o movimento. Você pode observar os pontos singulares dos objetos e restaurar sua estrutura. Para resolver esse problema, os métodos de aprendizado de máquina ajudarão, cujo florescimento estamos observando agora. As redes neurais são capazes de reconhecer imagens muito bem, o que significa que elas podem ajudar na orientação em um ambiente real. Agora, para o treinamento, muitos dados iniciais foram acumulados.

Tecnicamente, criar uma infraestrutura que ajude os veículos não tripulados a se sentirem confiantes em um ambiente urbano é bastante simples. É possível, por exemplo, alocar bandas separadas para essas máquinas. Ainda não é difícil fazer isso agora. Mas o problema que resta resolver é ensinar o carro a se mover em um ambiente dinâmico desconhecido, com base na situação do tráfego.

Como os carros de brinquedo se relacionam com a ciência global

Duckietown - essa é uma tecnologia real, essa é exatamente a beleza do projeto. Tudo o que é usado na indústria é usado aqui. Além disso, se algum novo método ou algoritmo apareceu fora do projeto, por que não experimentá-lo em Duckietown. Não há restrições. E se esse novo algoritmo também é de código aberto, geralmente pode ser adotado e integrado.

O projeto Duckietown pode ser visto como uma plataforma para experimentação. Se algum novo artigo científico for publicado, você poderá implementar suas disposições aqui. Ou, pelo contrário, se surgir algo fundamentalmente novo no projeto, você poderá transformá-lo em um artigo, enviá-lo em uma conferência e publicá-lo. Um dos objetivos do projeto é fazer pesquisas com base e criar trabalhos científicos.

Se falarmos sobre o valor da Duckietown para os alunos que participam dela, eles podem ter certeza de que seu conhecimento está na vanguarda da tecnologia.

Pin
Send
Share
Send
Send