11% besparelser på vedligeholdelsespersonale efter bygning af en automatisk plantevandingsrobot

Kortlægning

Vores roboteksperter startede med at kortlægge kontorlokaler for at skabe et detaljeret IoT-anlægsovervågningssystem, der identificerer planternes placering, forhindringer, møbler og andre genstande, der kan påvirke robottens bevægelse. Vi sikrede forudsigelig og problemfri routing på tværs af kontorlokaler ved at bruge SLAM-teknologi, som samtidig bestemmer robottens placering og skaber et miljøkort ved hjælp af computersynsalgoritmer, LiDAR (laserscannere) og andre sensorværktøjer.

Vores robotspecialister brugte LiDAR forbundet med Raspberry PI-mikrocomputeren, der er monteret direkte på robotten, til at registrere forhindringer og identificere planter. ROS (Robotic Operating System) og hovedcomputeren bruger disse visuelle oplysninger til at behandle navigationsdata, foretage ruteberegninger og kortlægge kontorets omgivelser.

I denne fase stod vores team over for udfordringen med begrænset udsyn til at registrere almindelige genstande som borde, hylder, stole og andre indvendige genstande, der begrænser robottens udsyn eller kan identificeres forkert. Derudover skulle vi håndtere dynamiske forhindringer i et kontormiljø, da medarbejdere og objekter i bevægelse pludselig skifter position og retning, hvilket tvinger robotten til at træffe øjeblikkelige beslutninger for at undgå kollisioner. Vores projektteam brugte computersyn og maskinlæringsalgoritmer til at løse dette problem, herunder billedsegmentering, objektdetektering, støjfiltrering og andre metoder. Vi udstyrede også vores autonome assistent med bevægelsesplanlægningsalgoritmer som Rapidly-exploring Random Trees (RRT) og A* (A-star), som tager højde for forhindringers position og form, når den optimale vej skal identificeres i realtid.