Come sensori ed algoritmi intelligenti appianano la strada ai nostri robot autonomi

Così come noi esseri umani ci affidiamo ai nostri sensi per navigare il mondo, i robot devono affidarsi ai loro sensori. Per garantire gli alti standard di qualità dei greenkeeper, un prato sano, e una localizzazione continua a livello di centimetro, diversi componenti devono lavorare assieme per raggiungere un obiettivo comune. Così come nella vita, la comunicazione è un elemento chiave.

 

I sistemi di navigazione satellitare riescono a determinare la posizione di un robot con una precisione di un metro e, in questo contesto, i ricevitori a banda multipla permettono di combinare le informazioni di tutti i satelliti visibili da una determinata posizione. Includendo le informazioni dei ricevitori fissi in vicinanza ed analizzando ulteriormente il segnale satellitare, si ottengono stime migliori della posizione, tramite la cinematica in tempo reale o RTK. Confrontando le misurazioni precedenti a quelle attuali è anche possibile stabilire la velocità e la direzione dei spostamenti del robot. Con un modello matematico è così possibile considerare la velocità delle ruote, conosciuta come odometria, e le misurazioni da accelerometri e giroscopi, conosciuti come unità di misura inerziale o IMU. Questi forniscono ulteriori informazioni sulla direzione, la velocità e l’orientazione del robot. Una telecamera può persino tenere traccia dei punti di riferimento nel campo visivo, che permettono di rivelare come essa si è mossa rispetto agli oggetti nello spazio.

 

Il problema con i sensori, è che le misurazioni sono sempre sbagliate. Sempre, anche se solo di poco. Una misurazione è solo la rappresentazione di un’entità fisica. In un mondo perfetto, avremmo delle misurazioni perfette, ma cosa succede quando una ruota scivola? I sensori di un IMU derivano costantemente. Cosa significa per le misurazioni? Cosa succede quando la videocamera trema, o quando un albero oscilla nel vento? Significa che il sistema conterrà degli errori nelle misurazioni. Il nostro compito è quello di identificare, quantificare e minimizzare questi errori. Tramite degli algoritmi intelligenti, per esempio dei filtri di Kalman, possiamo considerare le prospettive di diversi sensori, ed ottenere risultati migliori di quelli che sarebbero riusciti ad ottenere individualmente. L’unione fa la forza.

 

Lo stesso concetto si applica a noi umani ed ai nostri sensi. Prendiamo in considerazione le illusioni ottiche, il disorientamento, le vertigini, le scale Shepard ed altre distorsioni. Tutte si manifestano da informazioni incomplete oppure da approssimazioni che avvengono nel nostro cervello.

 

Ho cominciato a lavorare alla Ronovatec AG recentemente, e trarrò il massimo dai nostri sensori. Il mio compito è di stabilire buone connessioni per trasferire misurazioni e dati ghiotti che alimentano i nostri algoritmi. Gli algoritmi rileveranno le minime deviazioni dal risultato e li correggeranno. Il nostro software vi informerà anche della famiglia di ricci che è passata di lì di notte, o vi invierà una foto della lucertola che prendeva il sole, per i quali il robot ha dovuto adattare il proprio percorso. I nostri robot vi aiuteranno con i lavori pesanti, svolgendoli in maniera più attendibile, liberando il vostro tempo per i lavori più soddisfacenti e divertenti. Come voi, il mio scopo sul lavoro è di migliorare i nostri risultati e il nostro prodotto, e in proprio per questo non vedo l’ora di collaborare con voi.