Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots

Immaginate un robot inviato a falciare un vasto campo aperto. In un mondo perfetto e vuoto, la macchina potrebbe semplicemente procedere avanti e indietro in linee rette finché il lavoro non è terminato. Ma il mondo reale è raramente perfetto. Il terreno è irregolare, le ruote del robot scivolano e il cielo sopra di esso non offre un segnale chiaro per dirgli esattamente dove si trova. Quando un robot compie una curva stretta, il suo senso interno della direzione può derivare, causandogli la perdita del tracciato. Se non riesce a sapere dove si trova, non può sapere dove è stato, e lascerà zone d'erba non tagliate o, peggio, si schianterà contro un albero che non è riuscito a vedere. Questa è la sfida centrale nell'inviare macchine autonome all'esterno: come mantenerle su un percorso preciso ed efficiente quando l'ambiente è ingombro, i segnali sono instabili e la missione potrebbe durare ore.

Ricercatori del Politecnico di Milano in Italia hanno affrontato questo problema costruendo un sistema completo che permette a un singolo robot di coprire grandi aree esterne in modo affidabile. Il loro lavoro si concentra sul divario tra il piano perfetto di un computer e la realtà disordinata di guidare una macchina attraverso un campo. Hanno creato un framework software unificato che combina tre capacità critiche: sapere esattamente dove si trova il robot, pianificare un percorso che il robot possa effettivamente seguire senza incagliarsi e gestire la missione affinché il robot possa recuperare dagli errori e tornare a ricaricarsi quando la batteria è scarica. Il team ha testato questo sistema in cinque diverse località reali, che spaziavano da piccoli e semplici lotti a grandi siti complessi pieni di ostacoli, e ha scoperto che il robot poteva completare con successo l'intero lavoro, coprendo tra il 93,1% e il 96,1% dell'area prevista senza alcun aiuto umano.

Il cuore del sistema è un nuovo modo di orientare il robot. Negli spazi aperti, i robot spesso si affidano ai segnali satellitari per conoscere la propria posizione, ma questi segnali possono indebolirsi o diventare imprecisi, specialmente quando il robot compie frequenti rotazioni. Per risolvere questo problema, i ricercatori hanno dotato il robot di un ricevitore satellitare a doppia antenna speciale. A differenza dei ricevitori standard che indicano solo a un dispositivo dove si trova, questo sistema misura l'angolo tra due antenne per determinare la direzione del robot con alta precisiono, anche quando il robot è fermo o si muove lentamente. Questi dati vengono fusi con le informazioni provenienti dai sensori delle ruote del robot in un calcolo continuo che agisce come un controllo costante sulla memoria del robot. Se il segnale satellitare diventa inaffidabile, il sistema ha una strategia di backup: osserva la direzione in cui il robot è stato viaggiando negli ultimi secondi per stimare la sua direzione attuale. Ciò assicura che il robot non perda mai il senso dell'orientamento, anche durante curve strette o quando il cielo è nuvoloso.

Una volta che il robot sa dove si trova, deve decidere come muoversi. I ricercatori hanno utilizzato uno strumento software esistente che genera un modello di andata e ritorno per coprire un campo, ma hanno scoperto che l'output grezzo di questo strumento era spesso troppo rigido per una macchina reale. Il percorso pianificato potrebbe chiedere al robot di compiere una curva fisicamente impossibile o di attraversare un varco troppo stretto. Per correggere questo, il team ha aggiunto tre livelli di raffinamento. Primo, hanno regolato la densità dei punti che il robot segue, aggiungendo più punti nelle sezioni rettilinee dove il robot ha bisogno di una guida frequente e mantenendo i punti densi nelle curve dove il robot è già preciso. Secondo, hanno cambiato il modo in cui il robot si muove tra le file. Inveve di seguire una curva predefinita complessa che potrebbe colpire un ostacolo, il robot punta semplicemente all'inizio della fila successiva. Un sistema reattivo separato sterza quindi il robot attorno a qualsiasi ostacolo imprevisto, come una persona che passa o una pietra errante, garantendo che rimanga al sicuro pur raggiungendo il suo obiettivo. Infine, hanno raggruppato piccoli ostacoli sparsi in forme più grandi e semplici prima di pianificare il percorso. Questo evita che il robot tenti di infilarsi in spazi troppo piccoli per essere sicuri, livellando efficacemente il paesaggio per il pianificatore.

L'ultimo pezzo del puzzle è il gestore della missione, che agisce come supervisore del robot. Questo sistema è costruito su una struttura chiamata albero di comportamento (behavior tree), che permette al robot di prendere decisioni in modo logico e sequenziale. Gestisce l'intero ciclo di vita della missione: l'inizio del lavoro, la navigazione del percorso, la gestione dei problemi e la fine della giornata. Se il robot si incaglia o incontra un ostacolo che non può superare, il sistema non si limita a fermarsi. Al contrario, tenta una serie di azioni di recupero in un ordine specifico, come ruotare sul posto per ottenere una visuale migliore, aspettare che un ostacolo si sposti o indietreggiare lentamente. Se la batteria è scarica, il sistema interrompe il compito di copertura e guida il robot verso una stazione di ricarica. Il processo di aggancio è completamente automatico; il robot usa una telecamera per individuare un segnale visivo sul caricabatterie e si allinea precisamente per collegarsi. Questo ciclo permette al robot di lavorare per lunghi periodi, tornando a ricaricarsi e riprendendo il compito senza intervento umano.

I ricercatori hanno testato l'intero stack in cinque diversi ambienti esterni per vedere come si comportava in condizioni reali. Questi siti includevano forme convesse, che sono semplici e arrotondate, e forme non convesse, che presentano rientranze e angoli che rendono la navigazione più difficile. Alcune aree erano libere, mentre altre contenevano ostacoli noti come alberi o pali, e i test hanno incluso anche ostacoli sconosciuti, come persone che camminavano nel campo. In ogni caso, il robot ha completato con successo la missione. Ha coperto tra il 93,1% e il 96,1% dell'area pianificata, un risultato che è rimasto costante indipendentemente dalle dimensioni o dalla complessità del campo. Il sistema ha dimostrato che, combinando una localizzazione robusta, una pianificazione del percorso più intelligente e un gestore della missione resiliente, un singolo robot può operare autonomamente nel mondo esterno disordinato e imprevedibile. I ricercatori hanno osservato che il robot ha lasciato alcune piccole strisce d'erba non tagliate a causa dei limiti naturali del movimento delle ruote e della sterzata, ma la prestazione complessiva è stata costante e affidabile. Hanno inoltre osservato che il tempo necessario per pianificare il percorso non aumentava significativamente man mano che il campo diventava più grande, il che significa che il sistema può scalare per coprire aree ancora più vaste in futuro.

Questo lavoro dimostra che il sogno di una manutenzione esterna completamente autonoma sta diventando realtà. Affrontando le difficoltà specifiche nel mantenere l'orientamento di un robot, pianificando un percorso che una macchina reale possa seguire e gestendo la missione con una rete di sicurezza per gli errori, i ricercatori hanno creato un sistema che funziona sul campo. I risultati suggeriscono che tali robot possono presto essere impiegati per compiti come la falciatura di grandi parchi, la pulizia di piazzali industriali o la manutenzione di parchi solari, operando per ore alla volta e tornando a ricaricarsi da soli. Il sistema non richiede un ambiente perfetto per funzionare; è progettato per gestire le imperfezioni del mondo reale, rendendolo una soluzione pratica per la crescente necessità di manodopera esterna automatizzata.