Stikkord: autonom robot

Publisert av — Legg igjen en kommentar

Slik bygger du en autonom palletruck med ROS 2 og NVIDIA Jetson

Et spennende prosjekt fra Los Angeles viser hvordan en standard 24V elektrisk palletruck kan transformeres til en fullstendig autonom enhet. Med ROS 2, NVIDIA Jetson og smart integrering kan hobbyister og profesjonelle lære av denne tilnærmingen.

Retrofitting av eksisterende industriutstyr til autonome systemer representerer en kostnadseffektiv måte å modernisere arbeidsplasser på. Dette prosjektet demonstrerer hvordan etablert teknologi kan kombineres med moderne robotikk-stacks for å skape praktiske løsninger.

Teknisk arkitektur og maskinvareintegrasjon

Kjernen i systemet bygger på NVIDIA Jetson Orin Nano som kjører Ubuntu med ROS 2 Humble. Denne kombinasjonen gir tilgang til Nav2-navigasjonsstacken og slam_toolbox for kartlegging og lokalisering.

Drive-by-wire-implementeringen løses elegant ved å bruke en Teensy-mikrokontroller som grensesnitt mot pallettruckens eksisterende motorkontroller. Systemet kan kommunisere via throttle injection eller CANopen-protokoll, avhengig av utstyrets spesifikasjoner. Dette gir kontroll over:

  • Trekkraft og retning
  • Løftemekanisme
  • Hjulencoder-avlesning for posisjonsfeedback

Mekanisk tilpasning og sikkerhet

Den mest krevende delen av integreringen er fabrikasjon og montering av styreaktuator på tiller-kolonnen. Dette krever presisjon og forståelse for pallettruckens opprinnelige design. Aktuatoren må være robust nok til å håndtere industrielle arbeidsforhold.

Sikkerhet prioriteres høyt med implementering av manuell nødstopp som fysisk avbryter all trekkraft, uavhengig av programvare.

Navigasjon og praktisk implementering

Etter maskinvareintegrasjon følger kalibrering og testing. Systemet startes i teleoperasjonsmodus for initial validering, før det kartlegger et avgrenset område ved hjelp av SLAM-algoritmer.

Nav2-implementeringen gjør det mulig for enheten å:

  • Planlegge optimale ruter
  • Navigere rundt hindringer
  • Utføre presise posisjoneringer for lasting/lossing

Prosjektets 1-2 ukers tidsramme viser at med riktig planlegging og eksisterende programvare kan komplekse autonome systemer realiseres relativt raskt. Dette åpner for skalerbare løsninger hvor flere enheter kan rulles ut basert på samme arkitektur.

For robotikk-entusiaster representerer dette et praktisk eksempel på hvordan ROS 2 og tilgjengelig maskinvare kan løse reelle industriutfordringer. Tilnærmingen kan tilpasses andre typer kjøretøy og arbeidsoppgaver.

Kilde: ROS Discourse

Relevante produkter fra RoboNordic

Publisert av — Legg igjen en kommentar

Bygge autonom lagerrobot med ROS 2: Fra CAD-design til ferdig løsning

En utvikler har delt sin erfaring med å bygge en komplett autonom mobilrobot (AMR) for lagerautomatisering ved hjelp av ROS 2. Prosjektet dekker alt fra CAD-design i Fusion 360 til avansert navigasjon og presis docking med ArUco-markører.

Utviklingen av autonome lagersystemer blir stadig mer tilgjengelig for hobbyister og mindre bedrifter takket være åpen kildekode-verktøy som ROS 2. La oss se hvordan dette omfattende robotprosjektet ble realisert fra bunn av.

Systemarkitektur og teknisk stack

Roboten bygger på en solid teknisk foundation med ROS 2 som hovedrammeverk. Chassiset ble designet i Fusion 360 før det ble eksportert til URDF-format for bruk i ROS-økosystemet.

Den tekniske stacken består av flere sentrale komponenter:

  • Nav2 for navigasjon og ruteplanning
  • ArUco-basert visuell docking for presis justering ved hyller
  • Tilpasset waypoint-sekvensering for flerhylle-oppgaver
  • Gazebo og RViz for simulering og visualisering

Dette gir roboten mulighet til å autonomt navigere mellom ulike hyller, hente varer og levere dem til angitte soner uten menneskelig inngripen.

Utfordringer med LiDAR og odometri

En kritisk utfordring oppsto da LiDAR-punktskyen roterte sammen med roboten i RViz, noe som ødela kartlegging og navigasjon. Problemet viste seg å være en odom/TF mismatch under svinger.

Løsningen ble å utvikle en Ground TruthOdom-node som bruker Gazebo pose-data for å publisere stabil /odom og konsistent TF, inkludert håndtering av tidsstempel-problemer mellom ROS og Gazebo.

Denne typen debugging og problemløsning er typisk for robotikkprosjekter og viser viktigheten av å forstå TF-systemet i ROS grundig.

Praktisk anvendelse og resultater

Det ferdige systemet demonstrerer imponerende kapasiteter ved autonomt å betjene forespørsler for spesifikke hyller (Hylle B og Hylle C) og levere varene til utleveringssonen. ArUco-markørene sikrer presis posisjonering ved hver hylle, noe som er kritisk for pålitelig varehåndtering.

Prosjektet viser hvordan moderne robotikk-verktøy kan kombineres for å skape sofistikerte automatiseringsløsninger. For hobbyister og studenter representerer dette en excellent læringskilde for avanserte ROS 2-konsepter som transformasjoner, navigasjon og sensorfusjon.

Systemet er fullt kompatibelt med standard ROS 2-distribusjoner og kan tilpasses ulike lagerlavouter og robotplattformer. OpenCV-integrasjonen for ArUco-deteksjon gjør løsningen robust og kostnadseffektiv sammenlignet med proprietære docking-systemer.

Kilde: ROS Discourse

Relevante produkter fra RoboNordic

Publisert av — Legg igjen en kommentar

Autonome redningsroboter: Ny teknologi redder liv i farlige situasjoner

En omfattende studie av over 190 forskningsprosjekter viser hvordan autonome bakke-roboter blir stadig viktigere for redningsoperasjoner. Teknologien kombinerer avansert maskinlæring, sensorfusjon og robust kommunikasjon for å operere i farlige miljøer der mennesker ikke kan være.

Når naturkatastrofer rammer eller farlige situasjoner oppstår, kan autonome roboter være forskjellen mellom liv og død. Den nyeste forskningen viser at såkalte Unmanned Ground Vehicles (UGVer) nå har blitt sofistikerte nok til å håndtere komplekse redningsoppdrag på egenhånd.

Teknisk gjennombrudd innen navigasjon og sensorer

Moderne redningsroboter bygger på flere nøkkelteknologier som jobber sammen. Computer vision (CV) og maskinlæring (ML) gjør det mulig for robotene å forstå og navigere i komplekse omgivelser, mens MCU-baserte kontrollsystemer sørger for rask og presis styring.

Spesielt imponerende er utviklingen innen sensorfusjon – evnen til å kombinere data fra multiple sensorer for å skape et helhetlig bilde av situasjonen. Dette inkluderer:

• Kameraer for visuell gjenkjenning
• LIDAR for avstandsmåling og kartlegging
• Termiske sensorer for å oppdage personer
• Gass-sensorer for å identifisere farlige stoffer

For kommunikasjon har LoRa-teknologi vist seg særlig egnet, da den kan opprettholde forbindelse over lange avstander selv når annen infrastruktur er ødelagt. DC-motorer kombinert med duale strømsystemer sikrer pålitelig drift under krevende forhold.

Praktiske anvendelser og ytelse

Testresultatene fra både laboratorie- og feltforsøk viser betydelig fremgang. Robotene kan nå:

• Kartlegge ukjent terreng autonomt
• Identifisere og lokalisere overlevende
• Vurdere strukturell skade på bygninger
• Levere nødforsyninger til utilgjengelige områder
• Operere i røyk, støv og andre farlige miljøer

Den forbedrede situasjonsbevisstheten gjør at robotene kan ta selvstendige beslutninger basert på sanntidsdata, noe som er kritisk når kommunikasjon med operatører kan være begrenset.

Utfordringer som gjenstår

Til tross for fremgangen er det fortsatt betydelige utfordringer. Energiforbruk er den største begrensningen – avanserte sensorer og AI-prosessering krever mye strøm, mens batteriteknologien ikke har holdt samme utviklingstakt.

Et annet problem er mangelen på standardiserte benchmarks for å sammenligne ytelsen til ulike systemer. Dette gjør det vanskelig for både forskere og praktikere å vurdere hvilke løsninger som fungerer best under spesifikke forhold.

Robusthet under ekstreme værforhold og evnen til å operere i helt ukjente miljøer er også områder som krever videre utvikling. Likevel viser forskningen at autonome redningsroboter raskt blir en realitet som kan redde liv når hver sekund teller.

Kilde: Sensors (Basel, Switzerland) – Survey on Reconnaissance Autonomous Robotic Systems for Disaster Management