Как профессиональный поставщик роботов-уборщиков, я потратил бесчисленное количество часов, отвечая на один и тот же вопрос менеджерам предприятий, администраторам офисов и владельцам недвижимости: как эти компактные, умные машины перемещаются по комнате, заставленной офисными стульями, растениями в горшках, пьедесталами для столов и беспорядочным беспорядком, не застревая, не пропуская места и не повреждая дорогое оборудование? Краткий ответ — многоуровневая, научно обоснованная система, которая балансирует датчики, картографирование и адаптивную логику, но развернутый ответ — там, где происходят настоящие инновации, особенно когда вы говорите о моделях профессионального уровня, которые используются в коммерческих помещениях, а не только в домашних кухнях. Это не технология «случайных ударов и молитв», как в бытовых пылесосах. Когда мы разрабатываем профессионального робота-уборщика для помещений, заполненных препятствиями, мы создаем инструмент, который изучает помещение, реагирует за миллисекунды и отдает приоритет тщательности и надежности.
Во-первых, давайте разберем типы препятствий, с которыми вы, вероятно, столкнетесь в оживленной коммерческой среде, и почему они особенно сложны. В доме может быть одна ножка журнального столика, но в коворкинге площадью 10 000 квадратных футов есть более 20 оснований для офисных стульев, проемы в шкафах для документов, шнуры под столом, декоративные подставки для растений и даже временный беспорядок, такой как передвижные коробки или складные столы в конференц-зале в середине мероприятия. В отличие от открытых тротуаров, препятствия внутри помещений часто бывают низкопрофильными, неправильной формы и расположены динамично (стулья выдвигаются и задвигаются в течение дня). Вот почему в нашей профессиональной линейке отсутствуют дешевые инфракрасные датчики, которые не могут обнаружить тонкие шнуры или темные ножки мебели — вместо этого мы используем комбинацию трех основных технологий обнаружения: лидар, 3D-стереовидение и массивы тактильных бамперов. Давайте рассмотрим, как они работают в тандеме, потому что это секрет, который ни один поставщик не афиширует.
ЛИДАР (обнаружение света и определение дальности) — это «глаза» машины дальнего действия — он вращается на 360 градусов 10 раз в секунду, излучая крошечные лазерные импульсы, которые отражаются от каждой поверхности в комнате, создавая в реальном времени трехмерную карту препятствий, стен и открытого пространства. В комнате, полной столов, LIDAR может обнаружить зазор между ножкой стола и стеной, выступающий край подставки монитора или бутылку с водой, оставленную на полу, еще до того, как робот приблизится к ней хотя бы на фут. Но у LIDAR есть «слепое пятно»: очень тонкие темные объекты (например, шнур питания толщиной 2 мм или черная пластиковая стяжка) могут поглощать лазерный свет, делая их невидимыми для датчиков дальнего действия. Вот тут-то и пригодится наша система трехмерного стереовидения. Две камеры, установленные высоко в передней части робота, действуют как человеческие глаза, сравнивая изображения с двух углов и вычисляя точную высоту и ширину препятствий, даже тех, которые не пропускает лидар. Мы тщательно протестировали это с помощью нашихРобот для уборки улицВ прошлом году мы обучили свою модель машинного зрения обнаруживать тонкие велосипедные цепи и шипы бордюров, и мы перепрофилировали тот же алгоритм компьютерного зрения для моделей внутри помещений, чтобы обнаруживать случайные кабели и незакрепленные шнурки обуви, которые в противном случае LIDAR не заметил бы.
Но даже при наличии лидара и стереозрения ни один датчик не является идеальным. В прошлом году бета-тестер в юридической конторе в центре города рассказал нам, что их потребительский робот застрял под шкафом для документов, потому что его датчики не могли отличить открытое пространство под шкафом от твердой поверхности за его пределами. Вот почему мы добавляем третий слой: тактильные бамперы и датчики перепада высоты. Гибкие прорезиненные бамперы, обрамляющие переднюю часть робота, чувствительны к давлению — они не просто останавливают машину, когда что-то ударяют; они посылают сигнал скорректировать скорость на 50% и изменить маршрут, если препятствие мягкое (например, тканевая юбка стула) или твердое (например, металлический шкаф). Датчики перепада высоты, установленные вдоль нижнего края, используют инфракрасный свет для обнаружения обрывов (например, края лестницы или поднятой платформы для AV-оборудования), которые могут повредить робота, если он попытается их перевернуть. Мы также запрограммировали нашего профессионального робота-уборщика на использование этих тактильных сигналов в процессе обучения: если он трижды ударяется об одну и ту же ножку маленького стола за цикл уборки, он добавляет это место в запретную зону на следующей итерации картографии, чтобы не тратить энергию на попытки обойти ее при последующих проходах.
Ощущение – это только полдела. Другая половина — это картографирование и планирование пути, и именно здесь профессиональные модели действительно выделяются среди потребительских вариантов. Когда робот-потребитель использует базовую систему SLAM (одновременная локализация и картографирование), он генерирует приблизительную сеточную карту помещения во время уборки, но не может хранить несколько макетов карт для помещений, которые меняются, как в конференц-зале, где столы переставляются каждую неделю. В нашей профессиональной линии используется усовершенствованная семантическая система SLAM, которая не просто отображает стены и препятствия; он классифицирует их по типу и может соответствующим образом адаптировать свой путь. Например, в комнате, полной подвижных офисных стульев, семантический SLAM идентифицирует основания стульев как «динамические препятствия», а фиксированные шкафы для документов — как «статические препятствия», поэтому он корректирует путь очистки так, чтобы огибать движущиеся стулья (которые появляются как новые препятствия в реальном времени), придерживаясь при этом фиксированного маршрута вдоль краев шкафа. Это меняет правила игры для помещений, где планировка меняется ежедневно: стартап, который добавляет новые столы каждый месяц, может загрузить новый план этажа за 5 минут, а робот обновит свою базу данных препятствий без необходимости полной ручной повторной калибровки.
Мы также используем алгоритмы обхода препятствий, которые отдают приоритет покрытию, а не скорости, что не подлежит обсуждению для профессионального использования. Домашний робот может пропустить место под столом, потому что не хочет застрять, но наш робот-уборщик сконструирован таким образом, чтобы добраться до каждого дюйма, даже в захламленных местах. Алгоритм вычисляет наименьший возможный путь между препятствиями (например, ножками стула, расположенными на расстоянии 12 дюймов друг от друга) и подстраивает его ширину: если ширина чистящей головки робота составляет 14 дюймов, он не будет пытаться протиснуться через 12-дюймовый зазор — вместо этого он слегка развернется и пойдет по более широкому пути вокруг стола, а не заклинивает себя. Мы протестировали это на ряде потребительских и коммерческих моделей среднего класса в моделируемом захламленном офисном помещении, и наш профессиональный робот-уборщик пропустил 0% площади пола по сравнению с 18% у конкурентов и застрял только 2 раза за 8 часов уборки, против 12 раз у следующей лучшей модели.
Еще одна ключевая функция для мест с густым препятствием: адаптивная скорость и тормозной путь. Мы все знаем, что робот, перемещающийся по оживленной комнате, может опрокинуть растение в горшке или полную чашку кофе, поэтому мы запрограммировали нашу систему так, чтобы она регулировала свою скорость в зависимости от близости препятствия. Если лидар обнаруживает препятствие на расстоянии 6 футов, робот замедляется до 70 % от максимальной скорости; на высоте 2 футов она падает до 20% и полностью прекращается на расстоянии 6 дюймов. Это особенно важно дляУличный робот-уборщикмодели, которым приходится перемещаться по неровной местности и случайному мусору, такому как упавшие ветки или игровое оборудование, но для использования в помещении он идеально подходит для помещений с пешеходным движением — если сотрудник идет перед роботом, пока он убирает, он мгновенно остановится, а не будет хаотично поворачивать и опрокидывать близлежащие предметы.


Одна из наиболее распространенных проблем, связанных с захламленными комнатами, — это маленькие, труднодоступные места, которые полностью игнорируются. Например, щель между столом и стеной или под низко висящей книжной полкой. Наша профессиональная линия решает эту проблему с помощью модульной конструкции чистящей головки, которая позволяет роботу регулировать свою высоту до 3 дюймов. Если лидар и система технического зрения обнаруживают низкий зазор (менее 5 дюймов, что типично для помещений под столом), робот автоматически опускает чистящую головку до нужного размера, а не пытается пройти под ним на полную высоту. Мы также добавили систему боковых щеток, которая выступает на 2 дюйма от основного корпуса робота, чтобы она могла сметать мусор из зазора между корпусом робота и стеной, места, куда большинство потребительских роботов не могут добраться, потому что их боковые щетки слишком короткие.
Но ни одна система препятствий не идеальна, поэтому мы встроили функцию ручного управления и удаленного мониторинга для коммерческих пользователей. Если робот все-таки застревает (редко, но случается), наша облачная панель мониторинга отправляет предупреждение менеджерам объекта с фотографией препятствия и пошаговым руководством по его освобождению, без необходимости вызывать технического специалиста. Для помещений с высоким приоритетом, таких как отделения больниц или штаб-квартиры корпораций, мы также можем оснастить нашего профессионального робота-уборщика функцией телеуправления, которая позволяет менеджерам управлять роботом удаленно через приборную панель, чтобы обходить неожиданные препятствия, такие как колесная медицинская тележка или незапланированное мероприятие.
Важно отметить, что навигация по препятствиям не является универсальной. В розничном магазине есть другие препятствия, чем в школьном классе, поэтому нашиРобот для уборки дорогсоздан для преодоления больших неровных препятствий, таких как бордюры и припаркованные автомобили, а наша профессиональная линия для помещений настроена на небольшие препятствия неправильной формы, типичные для офисов и торговых помещений. Когда мы разрабатываем каждую модель, мы проводим сотни часов полевых испытаний в реальных условиях, а не только в лабораториях, потому что потребительское тестирование не может воспроизвести случайность в загруженном коммерческом помещении — кто-то оставляет стул, стопку коробок у двери, незакрепленную резинку на полу.
После 7 лет совершенствования нашей линии стало ясно одно: лучшие роботы-уборщики для помещений с большим количеством препятствий не просто «избегают» препятствий — они адаптируются к ним, учатся у них и отдают приоритет тщательности, не жертвуя при этом надежностью. Для менеджеров объектов, уставших часами убирать пропущенные места или освобождать застрявших роботов, инвестиции в профессиональную модель заключаются не только в автоматизации, но и в машине, которая сможет справляться с хаосом загруженного внутреннего пространства. Если вы хотите усовершенствовать свои операции по уборке и посмотреть, как наша система работает в вашем конкретном помещении, мы будем рады провести вас через процесс тестирования и показать, как наш профессиональный робот-уборщик может перемещаться даже в самых захламленных комнатах.
Ссылки
- Трун, С. и др. (2005). Вероятностная робототехника. МТИ Пресс. (Основной текст по SLAM и роботизированной навигации)
- Чен, Л. и др. (2021). «Обнаружение препятствий для сервисных роботов: сравнение подходов LIDAR и стереозрения». Журнал полевой робототехники, том. 38, нет. 4, стр. 562-587.
- Международная организация по стандартизации (ISO). (2018). ISO 13482: Роботы и роботизированные устройства. Требования безопасности к роботам для индивидуального ухода.
- Данные полевых испытаний: «Работа профессионального и потребительского робота-уборщика в загроможденных помещениях». 2023. Внутренний отчет поставщика (тестирование проведено в 12 коммерческих помещениях в Северной Америке, 2022–2023 гг.)
