An Autonomous Spraying Robot for Sheep Houses: Hierarchical Navigation, Speed-Dependent Flow Control, and Multi-Stage Evaluation
本研究提出了一种用于羊舍的自主履带式喷洒机器人，该机器人集成了基于ROS的分层导航系统与速度相关流量控制技术，在仿真和物理实地测试中均展示了高制图精度、近乎完美的几何覆盖率以及鲁棒的障碍物处理能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在狭窄且尘土飞扬的羊舍走廊里，空气中弥漫着现代农业面临的挑战。地面通常不平整或由格栅组成，墙壁排列着几乎一模一样的重复性隔间，看起来就像机器人的眼睛一样；空间也经常与移动中的动物共享，动物可能会突然挡住路径。几十年来，保持这些环境的清洁一直依赖于人工手持喷雾器走动，这项工作不仅重复性高，还会让工人暴露在强烈的化学物质中，而且由于没有两个人的行走速度或角度完全一致，往往导致喷洒覆盖不均匀。为了解决这个问题，工程师们转向了机器人技术，但要制造一台能在这种混乱、狭窄空间内导航的机器人，比引导一台吸尘器穿过客厅要困难得多。核心挑战在于如何赋予机器一种可靠的空间定位感，使其能够规划出一条能覆盖每一寸空间而不被卡住的路线，并具备在加减速时瞬间调整喷洒动作的能力。
河南农业大学和郑州师范大学的研究团队开发了一款专门针对这些环境设计的特种机器人。他们制造了一台像坦克一样移动的小型履带式车辆，这使得它能够原地转弯，并且比轮式车辆更能应对不平整的地面。这台机器配备了一个激光扫描仪作为它的“眼睛”，一个惯性传感器来感知自身的运动，以及一个运行着复杂导航系统的计算机大脑。研究人员不仅制造了硬件，还创建了一个协同工作的三层软件系统来引导机器人。第一层决定哪些区域需要清洁；第二层在这些区域之间规划出一条平滑、安全的路径；第三层则对障碍物（如走进通道的羊）做出即时反应，通过减速或绕行来避开。至关重要的是，该系统将机器人的速度与泵的液体流量直接挂钩，确保无论机器人移动快慢，落在地面上的消毒剂量都保持一致。
为了测试该系统是否真的有效，团队首先在虚拟羊舍中进行了数千次模拟。他们发现，通过仔细调整机器人处理激光扫描的方式，它能够构建出一个高度精确的环境地图，其与真实布局的匹配度接近97%。当机器人在含有移动障碍物的模拟环境中运行时，这套综合导航系统成功完成了每一次测试运行而未发生碰撞，相比之下，更简单的系统经常会陷入困境或无法找到绕行路径。随后，研究人员转移到了一个物理模拟羊舍进行实地测试，这是一个拥有狭窄走廊和隔板的真实测试区域。在这里，机器人展示了其遵循复杂路径的能力，既能避开静态障碍物，也能耐心地等待移动障碍物让路。在五次独立的运行中，机器人覆盖了99.8%的预期地面面积，几乎没有遗漏，且路径重叠极少，这比标准的往复式模式有了显著改进。
然而，最关键的测试是机器人能否在移动时正确喷洒。研究人员在机器人的储水箱中装满清水，并在三种不同的速度下运行：每秒0.08米、0.11米和0.14米。随着机器人加速，其计算机会自动增加泵的输出量以补偿更快的移动速度。结果显示，这种随速度变化的控制机制运作得非常完美。尽管机器人的移动步调不同，但沉积在地面上的水量始终稳定在每平方米约0.20升左右。喷洒模式也非常均匀，从喷雾的一侧到另一侧几乎没有变化。这证明了机器人可以维持稳定的清洁剂量，而无需人工手动调节流量或停机启停。
最后，团队将机器人带入了一个真实的、有动物活动的羊舍，观察它如何应对活体动物。在五次受监督的工作周期中，机器人在有羊存在的通道中进行导航。在56次动物阻挡路径的情况下，它成功处理了其中的55次，能够自动停止或等待路径畅通后再继续前进。机器人保持了极高的定位精度，路径跟踪误差小于四厘米，且几乎100%的时间都能与地图保持连接。虽然该研究并未测量机器人是否真的杀死了细菌，也未测量羊对它的反应，但结果证实了该机器在机械和计算层面都有能力执行这项任务。研究人员得出结论，这种集导航、避障和速度控制喷洒于一体的系统，是应对复杂羊舍环境的一种可行的工程解决方案，为长期以来依靠手工完成的任务提供了一种可复制的自动化方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。