Saat robot menjadi lebih mandiri-, mereka harus menavigasi lingkungannya dengan kemandirian dan keandalan yang lebih besar. Traktor otonom, pemanen pertanian, dan mesin penyemaian harus hati-hati melewati ladang tanaman, sementara-kendaraan pengiriman yang dapat mengemudi sendiri harus melintasi jalan dengan aman untuk menempatkan paket di tempat yang benar. Di berbagai aplikasi, robot bergerak otonom (AMR) memerlukan sumber penentuan posisi yang sangat akurat agar dapat menyelesaikan pekerjaan yang dirancang dengan aman dan berhasil.
Untuk mencapai presisi seperti itu memerlukan dua rangkaian kemampuan lokasi. Salah satunya adalah memahami posisi relatif dirinya terhadap objek lain. Hal ini memberikan masukan penting untuk memahami dunia di sekitarnya dan, dalam kasus yang paling nyata, menghindari rintangan yang diam dan bergerak. Manuver dinamis ini memerlukan tumpukan sensor navigasi seperti kamera, radar, lidar, dan perangkat lunak pendukung untuk memproses sinyal ini dan memberikan-arah waktu nyata ke AMR.
Kemampuan kedua adalah agar AMR dapat memahami lokasi fisik (atau lokasi absolut) yang tepat di dunia sehingga dapat secara tepat dan berulang kali menavigasi jalur yang telah diprogram ke dalam perangkat. Kasus penggunaan yang jelas di sini adalah pertanian presisi tinggi, di mana berbagai AMR harus menempuh jalur sempit yang sama selama berbulan-bulan untuk menanam, mengairi, dan memanen tanaman, dengan setiap lintasan mengharuskan AMR merujuk ke tempat yang sama setiap saat.
Hal ini memerlukan serangkaian kemampuan navigasi yang berbeda, dimulai dengan Sistem Satelit Navigasi Global (GNSS), yang dimanfaatkan oleh seluruh ekosistem sensor dan perangkat lunak. Yang menambah GNSS adalah kemampuan koreksi seperti RTK dan SSR yang membantu mendorong presisi 100x lebih tinggi dibandingkan GNSS saja untuk aplikasi langit terbuka, dan Unit Pengukuran Inersia dikombinasikan dengan perangkat lunak fusi sensor untuk bernavigasi di tempat yang tidak tersedia GNSS (perhitungan mati).
Sebelum kita mendalami teknologi ini, mari kita luangkan waktu sejenak untuk melihat kasus penggunaan yang memerlukan lokasi relatif dan absolut agar AMR dapat melakukan tugasnya.
Aplikasi robotika membutuhkan penentuan posisi relatif dan absolut
AMR mengungkap apa yang dianggap remeh oleh manusia - yaitu kemampuan bawaan untuk menemukan lokasi seseorang di dunia secara akurat dan mengambil tindakan tepat berdasarkan informasi tersebut. Semakin beragam penerapan AMR, semakin kita menemukan jenis tindakan apa yang memerlukan ketelitian ekstrem. Beberapa contohnya meliputi:
Otomasi Pertanian: Di bidang pertanian, AMR menjadi semakin umum digunakan untuk tugas-tugas seperti penanaman, pemanenan, dan pemantauan tanaman. Robot-robot ini memanfaatkan penentuan posisi absolut, biasanya melalui GPS, untuk menavigasi bidang yang luas dan seringkali tidak rata dengan tepat. Hal ini memastikan bahwa mereka dapat mencakup wilayah yang luas secara sistematis dan kembali ke lokasi tertentu sesuai kebutuhan. Namun, ketika berada di dekat tanaman atau dalam area yang ditentukan, AMR mengandalkan posisi relatif untuk tugas-tugas yang memerlukan tingkat akurasi lebih tinggi, seperti memetik buah yang mungkin telah tumbuh atau berubah posisi sejak terakhir kali AMR mengunjunginya. Dengan menggabungkan kedua metode penentuan posisi, robot-robot ini dapat beroperasi secara efisien di lingkungan yang menantang dan bervariasi pada umumnya di bidang pertanian.
Pengiriman-Mile Terakhir di Perkotaan: AMR mentransformasikan-pengiriman jarak jauh di lingkungan perkotaan dengan mengangkut barang secara mandiri dari pusat distribusi ke tujuan akhir. Robot-robot ini menggunakan pemosisian absolut untuk menavigasi jalan-jalan kota, gang-gang, dan tata ruang kota yang kompleks, memastikan mereka mengikuti rute yang dioptimalkan sambil menghindari kemacetan dan mematuhi jadwal pengiriman. Saat mencapai sekitar lokasi pengiriman, AMR juga akan menggunakan posisi relatif untuk bermanuver di sekitar rintangan yang bervariasi atau tidak terduga, seperti kendaraan yang diparkir ganda di jalan. Pendekatan ganda ini memungkinkan AMR menangani seluk-beluk lanskap perkotaan dan melakukan pengiriman secara tepat langsung ke depan pintu rumah pelanggan.
Otomatisasi Lokasi Konstruksi: Di lokasi konstruksi, AMR digunakan untuk memastikan proyek dibangun sesuai spesifikasi yang ditentukan oleh para insinyur. Mereka juga membantu tugas-tugas seperti pengangkutan material dan pemetaan atau survei lingkungan. Lokasi-lokasi ini seringkali mencakup wilayah yang luas dengan lingkungan yang terus berubah, sehingga mengharuskan AMR untuk menggunakan posisi absolut untuk menavigasi dan mempertahankan orientasi dalam keseluruhan lokasi proyek. Pemosisian relatif berperan ketika AMR melakukan tugas yang memerlukan interaksi dengan elemen dinamis, seperti menghindari peralatan lain atau bahkan personel di lokasi. Kombinasi kedua sistem penentuan posisi memungkinkan AMR berkontribusi secara efektif pada sifat proyek konstruksi yang kompleks dan dinamis, sehingga meningkatkan efisiensi dan keselamatan.
Pemeliharaan Jalan Otonom: AMR semakin banyak digunakan dalam tugas pemeliharaan jalan seperti inspeksi perkerasan jalan, penyegelan retakan, dan pengecatan garis. Robot-robot ini memanfaatkan posisi absolut untuk melakukan perjalanan di sepanjang jalan raya atau jalan raya, memastikan mereka tetap berada di jalur dalam jarak jauh dan dapat secara tepat menangkap lokasi spesifik di mana pemeliharaan perlu dilakukan. Saat melakukan tugas pemeliharaan ini, mereka beralih ke posisi relatif untuk secara akurat mengidentifikasi dan mengatasi ketidaksempurnaan jalan tertentu, mengecat marka jalur dengan presisi, atau menavigasi rintangan. Kemampuan ganda ini memungkinkan AMR mengelola tugas pemeliharaan jalan secara efisien sekaligus mengurangi kebutuhan pekerja manusia untuk beroperasi di lingkungan pinggir jalan yang berbahaya, sehingga meningkatkan keselamatan dan produktivitas.
Pemantauan dan Konservasi Lingkungan: Di lingkungan luar ruangan, AMR sering digunakan untuk pemantauan lingkungan dan upaya konservasi seperti pelacakan satwa liar, deteksi polusi, dan pemetaan habitat. Robot-robot ini memanfaatkan posisi absolut untuk menavigasi wilayah alami yang luas, mulai dari hutan hingga wilayah pesisir, memastikan cakupan wilayah yang komprehensif dan memungkinkan pengambilan survei dan pemetaan lokasi secara terperinci. AMR dapat melakukan tugas seperti menangkap-gambar beresolusi tinggi, mengumpulkan sampel, atau melacak pergerakan hewan dengan akurasi tinggi dan dapat melapisi sampel ini dari waktu ke waktu dengan cara yang kohesif.
Dalam semua contoh di atas, akurasi posisi absolut kurang dari satu meter diperlukan untuk menghindari potensi konsekuensi bencana. Cedera yang dialami pekerja, kehilangan produk dalam jumlah besar, dan penundaan yang mahal kemungkinan besar terjadi tanpa lokasi yang tepat. Pada dasarnya, di mana pun AMR perlu beroperasi dalam jarak beberapa sentimeter, AMR harus memiliki solusi lokasi relatif dan absolut.
Teknologi untuk penentuan posisi relatif
AMR memanfaatkan sejumlah sensor untuk menemukan lokasinya dalam kaitannya dengan objek lain di lingkungannya. Ini termasuk:
Kamera: Kamera berfungsi sebagai sensor visual pada robot bergerak otonom, yang memberikan gambaran langsung tentang lingkungan sekitarnya serupa dengan cara kerja mata manusia. Perangkat ini menangkap informasi visual yang kaya yang dapat digunakan robot untuk mendeteksi objek, menghindari rintangan, dan pemetaan lingkungan. Namun, kamera bergantung pada pencahayaan yang memadai dan dapat terhambat oleh kondisi cuaca buruk seperti kabut, hujan, atau kegelapan. Untuk mengatasi keterbatasan ini, kamera sering kali dipasangkan dengan-sensor inframerah dekat atau dilengkapi dengan kemampuan penglihatan malam, yang memungkinkan robot untuk melihat dalam-kondisi cahaya redup. Kamera adalah komponen kunci dalam odometri visual, sebuah proses di mana perubahan posisi dari waktu ke waktu dihitung dengan menganalisis gambar kamera secara berurutan. Secara umum, kamera selalu memerlukan pemrosesan yang signifikan untuk mengubah gambar 2D menjadi struktur 3D.
Sensor Radar: Sensor radar beroperasi dengan memancarkan gelombang radio berdenyut yang memantulkan objek, memberikan informasi tentang kecepatan, jarak, dan posisi relatif objek. Teknologi ini kuat dan dapat berfungsi secara efektif dalam berbagai kondisi lingkungan, termasuk hujan, kabut, dan debu, yang mungkin menyebabkan kamera dan lidar kesulitan. Namun, sensor radar biasanya menawarkan data yang lebih jarang dan resolusi yang lebih rendah dibandingkan jenis sensor lainnya. Meskipun demikian, mereka sangat berharga karena keandalannya dalam mendeteksi kecepatan objek bergerak, sehingga sangat berguna dalam lingkungan dinamis di mana pemahaman pergerakan entitas lain sangatlah penting.
Sensor Lidar: Lidar, atau Light Detection and Ranging, adalah teknologi sensor yang menggunakan pulsa laser untuk mengukur jarak dengan mengatur waktu pantulan cahaya pada objek. Dengan memindai lingkungan dengan pulsa laser yang cepat, lidar menciptakan peta 3D lingkungan sekitar yang sangat akurat dan mendetail. Hal ini menjadikannya alat penting untuk lokasi dan pemetaan simultan (SLAM), di mana robot membuat peta lingkungan yang tidak diketahui sambil melacak lokasinya di dalam peta tersebut. lidar dikenal karena presisi dan kemampuannya berfungsi dengan baik dalam berbagai kondisi pencahayaan, meskipun kurang efektif dalam hujan, salju, atau kabut, karena tetesan air dapat menghamburkan sinar laser. Meskipun merupakan teknologi yang mahal, lidar lebih disukai dalam navigasi otonom karena akurasi dan keandalannya dalam lingkungan yang kompleks.
Sensor Ultrasonik: Sensor ultrasonik berfungsi dengan memancarkan-gelombang suara berfrekuensi tinggi yang memantul ke objek di sekitar, dan sensor mengukur waktu yang diperlukan agar gema kembali. Hal ini memungkinkan robot menghitung jarak terhadap objek dan rintangan yang dilaluinya. Sensor ini sangat berguna untuk deteksi-jarak pendek dan sering digunakan dalam aktivitas lambat dan jarak dekat-seperti bernavigasi di ruang sempit seperti lorong gudang, atau untuk manuver presisi seperti melakukan docking atau membuat cadangan. Sensor ultrasonik hemat biaya-dan bekerja dengan baik dalam berbagai kondisi, namun jangkauannya yang terbatas dan waktu respons yang lebih lambat dibandingkan dengan lidar dan kamera berarti sensor ini paling cocok untuk lingkungan tertentu dan terkendali yang memerlukan presisi tinggi dalam jarak dekat.
Teknologi dasar yang digunakan untuk penentuan posisi absolut dimulai dengan GNSS (istilah yang mencakup GPS dan sistem satelit lainnya seperti GLONASS, Galileo, dan BeiDou). Mengingat GNSS dipengaruhi oleh kondisi atmosfer dan inkonsistensi satelit, GNSS dapat memberikan solusi posisi yang melenceng beberapa meter. Untuk AMR yang memerlukan navigasi lebih presisi, hal ini belum cukup – sehingga muncullah teknologi yang dikenal sebagai Koreksi GNSS yang mempersempit kesalahan ini hingga satu sentimeter.
RTK: Kinematik-waktu nyata (RTK) menggunakan jaringan stasiun pangkalan dengan posisi yang diketahui sebagai titik referensi untuk mengoreksi perkiraan lokasi penerima GNSS. Selama AMR berada dalam jarak 50 kilometer dari stasiun pangkalan dan memiliki jalur komunikasi yang andal, RTK dapat memberikan akurasi 1–2 sentimeter dengan andal.
SSR atau PPP-RTK: State Space Representation (SSR), yang terkadang juga disebut PPP-RTK, memanfaatkan informasi dari jaringan stasiun pangkalan, namun alih-alih mengirimkan koreksi langsung dari stasiun pangkalan lokal, sistem ini memodelkan kesalahan di wilayah geografis yang luas. Hasilnya adalah cakupan yang lebih luas memungkinkan jarak jauh melampaui 50 km dari stasiun pangkalan, namun akurasi turun menjadi 3-10 sentimeter atau lebih tergantung pada kepadatan dan kualitas jaringan.
Meskipun kedua pendekatan ini bekerja sangat baik di mana sinyal GNSS tersedia (umumnya di udara terbuka), banyak AMR akan bergerak menjauh dari udara terbuka, di mana terdapat penghalang antara penerima GNSS di AMR dan di langit. Hal ini dapat terjadi di terowongan, garasi parkir, kebun buah-buahan, dan lingkungan perkotaan. Di sinilah Sistem Navigasi Inersia (INS) berperan dengan Unit Pengukuran Inersia (IMU) dan perangkat lunak Sensor Fusion.
IMU– IMU menggabungkan akselerometer, giroskop, dan terkadang magnetometer untuk mengukur percepatan linier, kecepatan sudut, dan kekuatan medan magnet suatu sistem. Ini adalah data penting yang memungkinkan INS menentukan posisi, kecepatan, dan orientasi suatu objek relatif terhadap titik awal secara-waktu nyata.
Sejarah IMU dimulai pada awal abad ke-20, yang berakar pada pengembangan perangkat giroskopik yang digunakan dalam sistem navigasi kapal dan pesawat terbang. IMU praktis pertama dikembangkan selama Perang Dunia II, terutama untuk digunakan dalam sistem panduan rudal dan kemudian dalam program luar angkasa. Misi Apollo, misalnya, sangat bergantung pada IMU untuk navigasi di luar angkasa, karena metode navigasi tradisional tidak memungkinkan. Selama beberapa dekade, teknologi IMU telah mengalami kemajuan yang signifikan, didorong oleh miniaturisasi komponen elektronik dan munculnya teknologi Micro-Electro-Mechanical Systems (MEMS) pada akhir abad ke-20. Evolusi ini telah menghasilkan IMU yang lebih ringkas, terjangkau, dan akurat, sehingga memungkinkan integrasinya ke dalam berbagai perangkat elektronik konsumen, sistem otomotif, dan aplikasi industri saat ini.
Fusi Sensor– Perangkat lunak fusi sensor bertanggung jawab untuk menggabungkan data dari IMU, serta sensor lain untuk menciptakan pemahaman yang kohesif dan akurat tentang lokasi absolut AMR ketika GNSS tidak tersedia. Implementasi paling dasar "mengisi kekosongan" secara-waktu nyata, antara saat sinyal GNSS terputus dan saat sinyal tersebut diambil kembali oleh AMR. Keakuratan perangkat lunak fusi sensor bergantung pada beberapa faktor, termasuk kualitas dan kalibrasi sensor yang terlibat, algoritme yang digunakan untuk fusi, dan aplikasi atau lingkungan spesifik di mana perangkat lunak tersebut diterapkan. Perangkat lunak fusi sensor yang lebih canggih mampu menghubungkan-silang berbagai modalitas sensor, sehingga menghasilkan akurasi posisi yang unggul dibandingkan jika salah satu sensor dalam solusi bekerja sendiri.
RTK untuk GNSS menyediakan sumber lokasi absolut yang sangat akurat untuk robot otonom. Namun, tanpa RTK, banyak aplikasi robotika yang tidak mungkin atau tidak praktis. Mulai dari kendaraan survei konstruksi hingga drone pengiriman otonom dan alat pertanian otonom, banyak AMR bergantung pada posisi absolut akurat-sentimeter yang hanya dapat disediakan oleh RTK.
Meskipun demikian, solusi RTK hanya akan berfungsi jika jaringan di belakangnya bagus. Koreksi yang dapat diandalkan secara konsisten memerlukan jaringan stasiun pangkalan yang sangat padat sehingga penerima selalu berada dalam jangkauan yang cukup dekat untuk melakukan koreksi kesalahan yang akurat. Semakin besar jaringannya, semakin mudah mendapatkan koreksi AMR dari mana saja. Kepadatan saja bukanlah satu-satunya faktor. Jaringan adalah sistem-waktu nyata yang sangat rumit dan memerlukan pemantauan profesional, survei, dan pemeriksaan integritas untuk memastikan data yang dikirim ke AMR akurat dan dapat diandalkan.
Apa arti semua ini bagi para pengembang robot otonom? Setidaknya dalam hal aplikasi luar ruangan, AMR tidak lengkap tanpa penerima GNSS yang didukung RTK. Untuk mendapatkan solusi seakurat mungkin, pengembang harus mengandalkan jaringan RTK yang paling padat dan andal. Dan ketika robot harus sering berpindah masuk dan keluar dari lingkungan sinyal GNSS yang ideal, seperti kendaraan pengantaran yang dapat mengemudi sendiri, RTK dikombinasikan dengan IMU menyediakan sumber penentuan posisi absolut terlengkap yang tersedia.
Tidak ada dua aplikasi robotika otonom yang sama, dan setiap pengaturan unik memerlukan campuran informasi posisi relatif dan absolutnya sendiri. Namun, untuk AMR luar ruangan masa depan, GNSS dengan jaringan koreksi RTK yang kuat merupakan komponen penting dari tumpukan sensor.