Navigation intérieure fiable pour les robots

Dans des environnements où les signaux GPS ne sont pas disponibles, comme à l'intérieur, les robots ont besoin d'un moyen fiable pour atteindre des endroits précis. C'est important pour des tâches qui nécessitent de faire la même chose plusieurs fois. Les robots devraient pouvoir se repérer et retourner au même endroit à chaque fois, surtout s'ils effectuent des tâches répétitives comme déplacer des objets ou ramasser des trucs.

Les méthodes traditionnelles, comme la Localisation et la cartographie simultanées (SLAM), peuvent bien fonctionner pour des tâches uniques ou lorsqu'on explore de nouveaux espaces. Cependant, quand un robot doit retourner au même endroit encore et encore, il est crucial d'éviter les erreurs qui peuvent survenir pendant la Navigation. Ces erreurs peuvent s'accumuler si elles ne sont pas gérées correctement. Avoir une carte préalable à laquelle le robot peut se référer peut aider. Malheureusement, il n'y a pas beaucoup d'outils faciles à utiliser qui permettent aux robots de créer rapidement des cartes et de naviguer de manière cohérente.

#Pourquoi la cohérence est importante

Beaucoup de robots mobiles sont conçus pour effectuer des tâches répétitives, souvent avec le même programme à chaque fois. Toutefois, pour que ces tâches soient réussies, le robot doit être cohérent dans sa navigation. Cette cohérence dépend fortement de combien le robot connaît sa position et l'environnement autour de lui. Par exemple, un robot comme le Clearpath Jackal peut réaliser diverses tâches, y compris ramasser et déplacer des objets, s'il peut atteindre de manière cohérente les emplacements prévus.

Actuellement, il n'existe pas de méthodes simples pour les robots qui combinent une construction rapide de cartes avec une navigation fiable vers des points spécifiques. Le SLAM s'est avéré très utile pour la navigation, permettant aux robots de se déplacer avec assurance dans des espaces inconnus. Mais quand les robots travaillent dans des environnements stables où la disposition change rarement, générer une nouvelle carte à chaque fois est inutile et chronophage. De plus, les nouvelles cartes peuvent ne pas s'aligner correctement avec les cartes précédentes, ce qui peut empêcher le robot de réaliser ses tâches efficacement.

#Aperçu du système proposé

Ce travail présente un nouveau système qui combine des outils existants pour créer un moyen rapide pour les robots de naviguer en utilisant une carte préalable. L'objectif est de permettre aux robots de retourner avec précision et efficacité aux mêmes points dans leur environnement. Le système proposé peut être mis en place en quelques heures après la collecte des données initiales. Il permet aux robots de naviguer vers des points spécifiques sans avoir à créer une nouvelle carte à chaque fois.

Le système utilise des paquets disponibles publiquement pour aider à créer une carte de référence mondiale basée sur un scan manuel de l'environnement. Après avoir construit la carte, le robot peut se localiser en continu et naviguer vers les points de passage selon les besoins. C'est particulièrement utile pour les véhicules terrestres sans pilote (UGVs) comme le Jackal, qui peuvent réaliser diverses tâches de manière fiable lorsqu'ils savent où ils vont.

#Détail de l'architecture

Pour naviguer avec précision, les robots ont besoin à la fois d'une carte de référence mondiale et d'une méthode pour déterminer leur emplacement. La carte de référence peut être créée à l'aide de données étiquetées ou de données de nuage de points. Beaucoup d'outils de navigation dépendent d'un type spécifique de carte pour bien fonctionner. Dans ce cas, le cadre proposé utilise des paquets disponibles qui permettent la création rapide d'une carte et ensuite active une navigation localisée.

L'approche choisie pour créer la carte de référence mondiale utilise un outil conçu pour fonctionner avec des Données LiDAR, ce qui simplifie la collecte de données. Cette méthode comprend également un service pour sauvegarder la carte globale terminée dans le format correct pour la navigation.

Concernant la localisation, le système utilise une implémentation d'une source fiable qui permet un positionnement précis en comparant les données de capteur actuelles par rapport à la carte de référence mondiale. Cette configuration permet au robot de naviguer même lorsque des changements se produisent dans l'environnement ou en présence d'obstacles.

#Tester le système

Pour évaluer l'efficacité du système de navigation proposé, des simulations ont été mises en place. Dans ces simulations, le robot a été testé dans un environnement conçu pour imiter les conditions réelles. Des essais ont été réalisés pour voir avec quelle précision le robot pouvait retourner aux points de passage désignés.

Lors du premier essai, le robot était parfaitement placé au point de départ, permettant de mesurer parfaitement sa capacité à naviguer vers les points de passage. Les données de performance ont montré à quel point le robot était proche de chaque emplacement cible et à quel point il pouvait atteindre ces points de manière cohérente.

Lors d'un deuxième round de tests, le robot a été placé à une position aléatoire, introduisant des erreurs qui pourraient se produire lors de la navigation en temps réel. Ce round visait à évaluer à quel point le robot pouvait s’adapter à ces fautes initiales et toujours atteindre ses objectifs. Les résultats ont indiqué que, bien que la méthode SLAM traditionnelle ait bien performé au début, elle a eu du mal lors du deuxième round de tests. En revanche, le système proposé a maintenu une bonne performance et a montré une meilleure cohérence pour atteindre les points de passage.

#Applications dans le monde réel

Des tests ont également été réalisés dans un vrai environnement intérieur pour examiner comment le système pouvait naviguer en pratique. Un ensemble de points de passage a été établi, et le robot a été dirigé pour se déplacer vers chaque emplacement de manière autonome. Tout au long des tests, plusieurs personnes étaient présentes dans l'environnement, ce qui a ajouté de la complexité alors que des obstacles dynamiques se déplaçaient.

Malgré ces défis, le robot a pu naviguer avec précision vers les points de passage spécifiés, montrant la capacité du système à gérer l'imprévisibilité du monde réel. L'approche a démontré une grande résilience face aux erreurs causées par des éléments changeants dans l'environnement.

#Conclusion

En combinant des technologies existantes, ce système proposé offre une méthode de navigation fiable et rapide pour les robots dans des environnements sans GPS. Il permet de créer une carte de référence mondiale et permet une localisation cohérente, ce qui rend possible pour les robots de retourner aux mêmes emplacements de manière répétée. C'est particulièrement bénéfique dans des espaces intérieurs dynamiques où les conditions peuvent changer. Bien que beaucoup de solutions existantes aient des limitations, ce cadre offre une base solide qui peut aider à faire avancer la robotique dans des environnements difficiles.