Navrhovat humanoidního robota patří dnes k nejsložitějším výzvám v celém oboru robotiky. Takový systém musí samostatně zvládat pohyb, rovnováhu, vidění i reaktivitu skrze složitou síť kloubů, senzorů a zpracování dat. Situace se stává ještě kritičtější ve chvíli, kdy robot sdílí pracovní prostor s lidmi.
Lidé většinu věcí dělají automaticky. Odhadujeme těžiště, přizpůsobujeme pohyb terénu, zpracováváme vizuální a zvukové podněty souběžně a v reálném čase, a to vše v řádu milisekund. Humanoidní robot musí tuto schopnost vnímat prostředí napodobit pomocí celé sady senzorů a vyhodnocovat jejich vstupy dostatečně rychle, aby ochránil lidi ve svém okolí.
Zrak
Situační povědomí humanoidního robota začíná zrakem, zejména v prostředích, kde se lidé a stroje neustále pohybují. Standardní lidské vidění lze aproximovat pomocí RGB snímačů doplněných o hloubkové vnímání metodami time-of-flight, strukturovaného světla nebo stereovidění. Samotný vizuální vstup však nestačí — klíčové je rychlé a přesné zpracování obrazu.
Kamery a vizuální senzory bývají od centrálního procesoru vzdáleny, takže data musejí putovat přes dlouhé kabely, které přidávají hmotnost a omezují pohyblivost. Tam, kde je zapotřebí nízká latence pro rychlé řídící smyčky, mohou dedikované menší procesory pracovat přímo u senzoru nebo aktuátoru a zajišťovat lokální zpracování dat i jejich bezpečný přenos do centrálního počítače.
Technologie Gigabit Multimedia Serial Link (GMSL) od společnosti Analog Devices, dnes hojně využívaná v automobilovém průmyslu, přenáší video v reálném čase v jediném proudu o kapacitě mnoha gigabitů za sekundu. V humanoidních robotech tím umožňuje redundanci a rychlé lokální zpracování vizuálních dat bez nutnosti posílat je do cloudu.
Sluch
Samotný zrak pro plnohodnotnou spolupráci s lidmi nestačí – robot potřebuje také inteligentní sluch. „Schopnost hovořit přirozeným jazykem a mít konverzační uživatelské rozhraní je velmi silný způsob komunikace s robotem,“ vysvětluje Ostrem. Robot musí zároveň rozumět zvukovým událostem ve svém okolí, jako je třeba pád předmětu za jeho zády, a správně je interpretovat.
Zvuková data putují od několika mikrofonů ke centrálnímu počítači, takže latence hraje zásadní roli. „Pokud jde o lokalizaci a detekci zvukových událostí, je zcela zásadní mít deterministickou latenci od mikrofonu k počítači. Bavíme se o beamformingu a akustickém poli, což vyžaduje znalost relativního zpoždění mezi jednotlivými mikrofony s vysokou přesností,“ upřesňuje Ostrem.
Technologie A2B od ADI, rovněž původně určená pro automobily, tento problém řeší elegantně. Umožňuje připojit velký počet mikrofonů v řetězcích na jedné sběrnici – přenáší napájení, zvuk i řídící signály po pouhých dvou vodičích, čímž výrazně snižuje množství kabeláže v robotovi.
Napájení
Veškeré senzory, procesory a komunikační prvky potřebují napájení. Humanoidní roboti jej nesou v podobě vlastních bateriových packů, nejčastěji lithium-iontových v rozsahu 48, 60 nebo 72 voltů. Ty jsou sice menší než baterie v automobilech, ale nesou podobná rizika jako přehřívání nebo tepelný únik.
ADI proto nabízí technologii elektrochemické impedanční spektroskopie (EIS), která umí odhalit nebezpečné změny v chemii baterie dříve, než dojde k havárii. „EIS vám umožní nahlédnout hluboko do chemických dějů uvnitř baterie. Pokud se s baterií něco pokazí nebo se ukáže jako nebezpečná, dokážete to odhalit včas — dříve, než se to stane hazardem. Pokud robot pracuje v blízkosti lidí a baterie míří k tepelnému úniku, rozhodně chcete, aby byla v momentě selhání co nejdál od člověka,“ vysvětluje Ostrem.
S tím, jak humanoidní roboti přebírají stále složitější role, porostou i nároky na jejich bezpečnost, percepci a komunikaci s lidmi. Budoucnost podle Ostrema leží v lepší umělé inteligenci přímo na hraně systému, co se týče reakční doby, bezpečnosti i výdrže baterie. ADI má zkušenosti se snímáním, konektivitou i správou baterií z automobilového průmyslu a nyní tyto technologie přenáší do světa humanoidní robotiky.
Zdroj: therobotreport.com
