Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots

Stel je een robot voor die naar een uitgestrekt, open veld is gestuurd om te maaien. In een perfecte, lege wereld zou de machine simpelweg in rechte lijnen heen en weer kunnen rijden totdat de klus geklaard is. Maar de echte wereld is zelden perfect. De grond is ongelijk, de wielen van de robot slippen en de lucht boven hem biedt geen duidelijk signaal om precies aan te geven waar hij zich bevindt. Wanneer een robot scherp draait, kan zijn interne richtinggevoel afwijken, waardoor hij het spoor van zijn eigen pad kwijtraakt. Als hij niet weet waar hij is, kan hij ook niet weten waar hij is geweest, en zal hij plukjes gras onbewerkt laten of, erger nog, tegen een boom botsen die hij niet heeft gezien. Dit is de centrale uitdaging bij het uitsturen van autonome machines naar de buitenlucht: hoe houd je ze op een precies, efficiënt pad wanneer de omgeving vol obstakels zit, de signalen onbetrouwbaar zijn en de missie uren kan duren.

Onderzoekers aan de Politecnico di Milano in Italië hebben dit probleem aangepakt door een volledig systeem te bouwen waarmee een enkele robot betrouwbaar grote buitenoppervlakten kan bedekken. Hun werk richt zich op de kloof tussen een perfect plan van een computer en de rommelige realiteit van het besturen van een machine over een veld. Ze hebben een verenigd softwareframework gecreëerd dat drie cruciale vaardigheden combineert: precies weten waar de robot zich bevindt, een pad plannen dat de robot daadwerkelijk kan volgen zonder vast te lopen, en de missie beheren zodat de robot kan herstellen van fouten en kan terugkeren om zichzelf op te laden wanneer de batterij bijna leeg is. Het team heeft dit systeem getest in vijf verschillende real-world locaties, variërend van kleine, eenvoudige percelen tot grote, complexe locaties vol obstakels, en stelde vast dat de robot de volledige taak succesvol kon voltooien, waarbij hij tussen de 93,1% en 96,1% van het beoogde gebied bedekte zonder menselijke hulp.

Het hart van het systeem is een nieuwe manier om de robot te oriënteren. In open ruimtes vertrouwen robots vaak op satelliet-signalen om hun positie te bepalen, maar deze signalen kunnen vervagen of onnauwkeurig worden, vooral wanneer de robot veel draait. Om dit op te lossen, hebben de onderzoekers de robot uitgerust met een speciale dual-antenna satellietontvanger. In tegenstelling tot standaardontvangers die alleen aangeven waar een apparaat zich bevindt, meet dit systeem de hoek tussen twee antennes om de koers van de robot met hoge precisie te bepalen, zelfs wanneer de robot stilstaat of langzaam beweegt. Deze gegevens worden gefuseerd met informatie van de wielsensoren in een continue berekening die fungeert als een constante controle op het geheugen van de robot. Als het satelliet-signaal onbetrouwbaar wordt, heeft het systeem een back-upstrategie: het kijkt naar de richting waarin de robot de afgelopen paar seconden heeft gereden om de huidige koers te schatten. Dit zorgt ervoor dat de robot nooit zijn richtinggevoel verliest, zelfs niet tijdens scherpe bochten of wanneer de lucht bewolkt is.

Zodra de robot weet waar hij is, moet hij beslissen hoe hij beweegt. De onderzoekers gebruikten een bestaande softwaretool die een heen-en-weer patroon genereert om een veld te bedekken, maar ze ontdekten dat de ruwe output van die tool vaak te rigide was voor een echte machine. Het geplande pad kan de robot een draai vragen die fysiek onmogelijk is of een gat laten oversteken dat te smal is. Om dit op te lossen, voegde het team drie lagen verfijning toe. Ten eerste pasten ze de dichtheid van de punten aan die de robot volgt aan, door meer punten toe te voegen op rechte stukken waar de robot frequente begeleiding nodig heeft, en de dichte bochten te behouden waar de robot al precies is. Ten tweede veranderden ze hoe de robot tussen rijen beweegt. In plaats van een vooraf getekende, complexe curve te volgen die een obstakel zou kunnen raken, mikt de robot simpelweg op het begin van de volgende rij. Een apart, reactief systeem stuurt de robot vervolgens rond onverwachte obstakels, zoals een passerende persoon of een rondliggende steen, wat ervoor zorgt dat hij veilig blijft terwijl hij toch zijn doel bereikt. Ten slotte groepeerden ze kleine, verspreide obstakels samen tot grotere, eenvoudigere vormen voordat het routeplan werd gemaakt. Dit voorkomt dat de robot probeert door openingen te wurmen die te klein zijn om veilig te zijn, wat het landschap effectief vereuter voor de planner.

Het laatste puzzelstukje is de missiebeheerder, die fungeert als de supervisor van de robot. Dit systeem is gebouwd op een structuur genaamd een behavior tree (gedragsboom), waardoor de robot op een logische, stapsgewijze manier beslissingen kan nemen. Het beheert de volledige levenscyclus van de missie: het starten van de taak, het navigeren van de route, het afhandelen van problemen en het beëindigen van de dag. Als de robot vastloopt of een obstakel tegenkomt dat hij niet kan passeren, stopt hij niet simpelweg. In plaats daarvan probeert hij een reeks herstelacties in een specifieke volgorde, zoals op zijn plek draaien om een beter zicht te krijgen, wachten tot een obstakel beweegt, of langzaam achteruit rijden. Als de batterij bijna leeg is, onderbreekt het systeem de dekkingstaak en begeleidt de robot terug naar een oplaadstation. Het dockproces is volledig automatisch; de robot gebruikt een camera om een visuele marker op de lader te herkennen en lijn zichzelf nauwkeurig uit om aan te sluiten. Deze cyclus maakt het mogelijk dat de robot gedurende lange perioden werkt, terugkeert om op te laden en zijn taak te hervatten zonder menselijke tussenkomst.

De onderzoekers testten dit volledige pakket in vijf verschillende buitenomgevingen om te zien hoe het presteerde onder reële omstandigheden. Deze locaties omvatten convexe vormen, die eenvoudig en afgerond zijn, en niet-convexe vormen, die inkepingen en hoeken hebben die navigatie moeilijker maken. Sommige gebieden waren vrij, terwijl andere bekende obstakels bevatten zoals bomen of palen, en de tests bevatten ook onbekende obstakels, zoals mensen die door het veld lopen. In elk geval voltooide de robot de missie succesvol. Hij bedekte tussen de 93,1% en 96,1% van het geplande gebied, een resultaat dat standhield ongeacht de grootte of complexiteit van het veld. Het systeem bewees dat door robuuste lokalisatie, slimmere routeplanning en een veerkrachtige missiebeheerder te combineren, een enkele robot autonoom kan opereren in de rommelige, onvoorspelbare buitenwereld. De onderzoekers merkten op dat de robot enkele kleine stroken gras onbewerkt liet door de natuurlijke beperkingen van de wielbeweging en het draaien, maar dat de algehele prestatie consistent en betrouwbaar was. Ze observeerden ook dat de tijd die nodig was om de route te plannen niet significant toenam naarmate het veld groter werd, wat betekent dat het systeem kan opschalen om zelfs grotere gebieden in de toekomst te bedekken.

Dit werk toont aan dat de droom van volledig autonome buitenonderhoud een realiteit aan het worden is. Door de specifieke moeilijkheden aan te pakken van het oriënteren van een robot, het plannen van een pad dat een echte machine kan volgen, en het beheren van de missie met een vangnet voor fouten, hebben de onderzoekers een systeem gecreëerd dat in het veld werkt. De resultaten suggereren dat dergelijke robots binnenkort kunnen worden ingezet voor taken zoals het maaien van grote parken, het vegen van industriële terreinen of het onderhouden van zonneparken, waarbij ze urenlang kunnen werken en zelfstandig terugkeren om op te laden. Het systeem vereist geen perfecte omgeving om te functioneren; het is ontworpen om de imperfecties van de echte wereld te kunnen hanteren, wat het een praktische oplossing maakt voor de groeiende behoefte aan geautomatiseerde arbeid in de buitenlucht.