机器人自主移动面临的几大问题

这个春天，一场疫情，让大家对“卫生”问题尤其关注。但，疫情考验的不仅仅是公共卫生习惯，还有紧急情况下的应急救助能力和响应速度。

这时候，AI赋能，一批能自主移动，自由行走的机器人“志愿者”崛起了。

他们，传递物品、药品、喷洒消杀、疫情信息展示……，毫无畏惧，始终冲在一线。

这些英勇无畏的表现，得益于机器人的自主移动能力，能够各个区域通行，实现人与人之间的无接触沟通。机器人自主行走听起来简单，但地图数据+算法的融合运算，实则挑战巨大。

问题一：环境地图的呈现方式

“地图”是机器人了解周围环境的直观展示。激光雷达充当着机器人的“眼睛”，能为机器人提供高精度的地图及轮廓位置信息。但现实是，机器人扫描出来的平面地图跟用户心理预期地图有较大差距。

在面对用户这一心理落差时，思岚利用sharpedge精细化建图技术，缩小实际建图与用户心理落差之间的距离。超高精度地图，提升机器人导航效率。

134m*111m超大场景建图

同时，还可以利用开发与管理软件RoboStudio软件进行地图编辑与调整，设置POI点，帮助机器人更好的理解环境中的逻辑概念，按照房间进行物品配送……

利用RoboStudio设置POI，编辑地图

问题二：实现障碍物的可靠规避

以下，都是机器人身上必不可少的一些传感器和通讯接口：

这些传感器的存在，可以帮助机器人解决玻璃、镜子、高低地面差等问题。除了传统硬件传感器之外，还可以利用SLAMWARE自主定位导航中的软件算法帮助机器人实现更好的障碍物规避。

问题三：机器人的定位

（1）环境完全变化后的可靠定位

环境完全变化后的可靠定位说简单点就是重定位。重定位有两个问题，第一个是人启动的时候重定位，还有一种重定位是环境变化非常多的时候可靠定位。

其实这些情况在应用中还是非常常见的，如：机器人需要去某个区域执行消毒任务，但是需要穿过一片人流量巨大、环境不停变化的区域。这就要求机器人知道自己在哪里，该去哪里，该怎么走，即使被一群人围着，也不能发生“晕头转向”，“歇菜”、“定位偏”这种问题。

机器人常遇到的人群围绕问题

遇到这种情况，靠单一的传感器肯定不能解决所有的问题，我们需要采用多传感器融合数据，建立概率模型来解决问题。

（2）全局重定位

全局重定位一般在行业中有几个解决方案，第一个是使用UWB，但是这个技术有一个缺点，必须对环境进行布置，比如把它放在一个场景，需要预先在场景里很多地方预埋信标，这在成本和部署上有一定的挑战。还有一种是完全自主重定位，无需额外传感器辅助。思岚所做的就是后者，当机器人被推离或者出现位姿偏差时，可使用Robo Studio中的重新定位功能，纠正位姿错误。

问题四：多场景适配

智能移动机器人应用在物品传递、信息展示、消洒喷杀等领域，这些都是应用在各种不同细分领域的不同应用。所以，一个对策，与N多场景适配，才具备高性价比，具备行业应用普遍性。

就拿如何让机器人感知到是在某一个具体楼层开展工作来说，这些都是目前导航定位系统中需要解决的问题，需要越过的坑。

 这个就需要行业的整合，不单是把导航定位系统做好，还要针对电梯的通讯协议，不同楼层之间感应到楼层的切换。这从细节上来说，还要考虑用户心理的问题，因为有时候电梯人很多，机器人该怎么进去？这些都是需要考虑的现实问题。

思岚科技自主上下电梯方案

在把上面这些问题解决之后，机器人自主定位导航解决方案才能真正inside到各种产品中去，在各行各业开枝散叶。