AMR導入でよく聞く質問：停止位置精度とは AMR導入を検討する際、多くの現場でよく聞くのが、「AMRの停止位置精度はどれくらいか」という質問です。ここでは自己位置精度について、2D LiDARと3D LiDARの比較を通じて分かりやすく紹介します。 2D LiDARの場合：平面上の三角測量 2D LiDARは三角測量で例えられる 自己位置の計算は、「今のLiDARが見ている景色と持っている地図がどれくらい一致しているか」を確率的に計算していると紹介しました。 2D LiDARの場合は、平面上の限られた点（特徴点という）で「三角測量」をしている状態です。特徴点は、走行時の振動やセンサーの精度によって、作った地図にもLiDARで景色にも誤差が含まれます。この誤差が重なると完全に一致する「三角形」が存在しなくなります。従って緩やかに一致しているところを自己位置とする、という閾値の設定が必要になります。これが2D LiDARの場合に自己位置精度が落ちる理由になります。 極端な例として、３点のみで自己位置を計算している下の図のような場合ですと、特徴点とな

オドメトリ精度向上のための現場調整の重要性 自律走行の重要な要素として自己位置推定があります。LiDARから得た情報を元に自己位置を推定するのですが、カーナビと同じように他のセンサー情報を使って自己位置の補正を行います。今回はオドメトリという車輪やステアリングの回転角度からの累積計算からロボットの位置を推定する手法を紹介します。 ROSのパッケージ上にはオドメトリ計算用の各種パラメータ設定項目があります。代表的なもので、駆動輪の直径、左右のタイヤの中心間距離であるトレッド幅があります。 自律走行をさせるロボットのカタログ値を登録するのですが、タイヤに関して言えば、導入環境次第でカタログ値を使ってもうまくいかない場合があります。またロボットには機械誤差があり、こちらも考慮する必要があります。 今回はLiDARでの補正を使わず、オドメトリ計算だけでナビゲーションにどのような差がでるのか見てみました。 ケース１：仕様書通りのタイヤ径・トレッド幅を使った走行・LiDAR補正なし ケース２：パラメータ調整後の走行・LiDAR補正なし このように、カタログ値

LiDARのスキャン結果から、太陽光ノイズを除去する 開発環境 項目 PC Jetson Orin Nano OS Ubuntu20.04 (Jetpack) ROS ROS 2 foxy Fitzroy 2D LiDAR UST-20LX (北陽電機) はじめに 屋外でLiDARを使う場合、強い日差しや雨など、天候による影響を考慮する必要があります。 本記事では、太陽光による外乱光によるノイズを低減する方法について説明します。 laser_filterについて ROS 2では、センサーデータを処理してロボットの制御や認識に利用するためのさまざまなパッケージが提供されています。その中でも、laser_filterパッケージはLiDARから得られるデータを効果的に処理するための便利なツールです。この記事では、ROS 2のlaser_filterパッケージの基本的な使い方や設定方法についてご紹介します。 インストール方法 端末を開き、ROS 2 のディストリビューション名に合わせてインストールします。 sudo apt install...

ナビゲーションにおける自己位置推定 動作環境 項目 内容 OS Ubuntu20.04 ROS 2 Distro Foxy Fitzroy はじめに ROS2では 目的地を設定したら経路を計算して実際にロボットを目的地まで移動させることができるNavigation2の開発が進められている。 github: https://github.com/ros-planning/navigation2 ドキュメント: https://navigation.ros.org/index.html また、ROS 2ではないが産業技術総合研究所ロボットイノベーション研究センターによるNavigationスタックの設計仕様をまとめたドキュメントも理解の助けになる。 https://robo-marc.github.io/navigation_documents/introduction.html Navigation2は複数のパッケージで構成されており、それぞれのパッケージごとに設定すべきパラメータが存在する。その結果、パラメータの数が多くなっており、自作のロボット

障害物回避の方法（追従におけるポテンシャル法） AMRには自律走行搬送だけでなく、追従という機能ニーズがございます。 追従において障害物を回避する為にポテンシャル法という技術が活用されているのでご紹介します。 ポテンシャル法とは、引力と斥力を利用したものです。 ゴール地点を設定すると、磁石のようにゴールに寄せられます。途中に障害物があると斥力が働き、障害物を避けるように走行します。 出発点の丘から、山を避け谷だけ選んで転がり続ける、という言い方が分かりやすいかもしれません。 実際にポテンシャル法を使った走行シーンを紹介致します。 今回はポテンシャル法の検証の為、追従させずにロボットの正面真っすぐの延長線上がゴールとなるように設定して走行させてみます。 なかなかギクシャクした動きとなっていますが、これはCPUパワーが足りない為です。1回の演算に時間がかかり、次の方向転換までそのまま直進してしまう為です。 CPUパワーを上げれば、スムーズな走行ができます。 このような狭い通路も通ることができます。 今後も、このような形で開発シーンをお届けしたいと

デプトシー株式会社が取り扱うAgileX Robotics社のモバイルロボット開発用プラットフォーム「LIMO」の撮影会が行われました。当社にてLIMOを使用したSLAM走行のテスト開発を行っており、その様子を見学に来て頂きました。 SLAMは「Simultaneous Localization and Mapping」の略称で、地図作成と自己位置推定を同時に行う技術です。自律走行と言われています。 「LIMO」は小型の機体に4つのステアリングモード（4輪差動式、クローラー式、メカナムホイール、アッカーマン）を搭載し、LiDARとステレオカメラを装備しています。 車体の制御は、車体に組み込まれた制御用ボードにて行います。ソフトウェアはLinuxディストリビューションの1つであるUbuntuをOSとし、ロボット用のソフトウェアプラットフォームであるROS/ROS 2上でSLAM等の自律走行用のアプリケーションを動作させます。 一般に、シャーシと運行管理をつかさどるミドルウェアの連携は専門知識が必要となり、導入の課題になっています。SLAMは研究