Jak maszyny nauczyły się omijać meble? Technologia nawigacji w robotach domowych

Pierwsza generacja automatycznych odkurzaczy poruszała się po mieszkaniu metodą losową. Odbijały się od ścian i mebli jak kule bilardowe, licząc na to, że statystycznie w końcu przejeżdżą po każdym fragmencie podłogi. Skuteczność była umiarkowana, a czas pracy absurdalnie długi. Dziś te same urządzenia tworzą trójwymiarowe mapy mieszkań, rozpoznają przedmioty na podłodze i planują trasy z precyzją nawigacji satelitarnej. Co się zmieniło i jakie technologie za tym stoją?

Od chaosu do algorytmu

Wczesne modele automatycznych odkurzaczy wykorzystywały czujniki zderzeniowe i podczerwień. Urządzenie jechało prosto, aż coś napotkało, po czym obracało się o losowy kąt i ruszało dalej. To podejście nazywane jest nawigacją reaktywną i bazuje na prostej pętli: jedź, zderzaj się, zmieniaj kierunek. Matematycznie da się udowodnić, że taki robot w końcu pokryje całą powierzchnię pomieszczenia, ale w praktyce zajmuje to znacznie więcej czasu niż systematyczne sprzątanie.

Przełom nastąpił, gdy producenci zaczęli montować w urządzeniach technologię SLAM, czyli Simultaneous Localization and Mapping. To algorytm znany z robotyki przemysłowej i pojazdów autonomicznych, który pozwala maszynie jednocześnie budować mapę otoczenia i określać swoją pozycję na tej mapie. Dzięki niemu robot nie krąży chaotycznie, lecz przemierza pomieszczenie metodycznymi pasami, jak kosiarka na stadionie piłkarskim.

Lidar kontra kamera – dwa podejścia do widzenia

Do budowy mapy robot potrzebuje danych o kształcie pomieszczenia. Obecnie stosowane są dwie główne technologie zbierania tych danych: lidar i wizja komputerowa oparta na kamerach.

Lidar, czyli Light Detection and Ranging, emituje wiązkę laserową, która odbija się od przeszkód i wraca do czujnika. Na podstawie czasu powrotu urządzenie oblicza odległość od obiektu. Wieżyczka lidarowa na górze robota obraca się kilka razy na sekundę, skanując otoczenie w zakresie trzystu sześćdziesięciu stopni. Powstaje precyzyjna, dwuwymiarowa mapa pomieszczenia, aktualizowana w czasie rzeczywistym.

Kamery działają inaczej. Obraz z jednego lub kilku obiektywów jest przetwarzany przez algorytmy rozpoznawania wzorców. Urządzenie identyfikuje krawędzie mebli, ściany, progi i inne elementy otoczenia, a na tej podstawie rekonstruuje przestrzeń. Nowsze modele korzystają z kamer stereo lub czujników głębi opartych na podczerwieni, które dodają do obrazu informację o odległości. To pozwala tworzyć mapy trójwymiarowe i rozpoznawać obiekty leżące na podłodze, takie jak kable, skarpetki czy zabawki.

Rozpoznawanie obiektów – sztuczna inteligencja na podłodze

Samo mapowanie pomieszczeń to dopiero połowa sukcesu. Równie istotne jest rozpoznawanie, co konkretnie znajduje się na drodze robota. Wjechanie w miskę z wodą dla psa czy zaplątanie się w kabel ładowarki to scenariusze, które potrafią zniechęcić do automatycznego sprzątania.

Producenci rozwiązali ten problem, trenując sieci neuronowe na ogromnych zbiorach zdjęć typowych przeszkód domowych. Kamera na froncie urządzenia rejestruje obraz, który w ułamku sekundy jest klasyfikowany przez model uczenia maszynowego. Jeśli algorytm rozpoznaje but, kabel lub leżącego kota, robot zmienia trasę i omija przeszkodę z bezpiecznym marginesem. Skuteczność tych systemów rośnie z każdą generacją, bo producenci zbierają anonimowe dane z milionów urządzeń pracujących w rzeczywistych domach.

Czujniki, o których nie myślimy

Oprócz lidaru i kamer współczesny robot odkurzający wyposażony jest w całą gamę dodatkowych czujników, które nie rzucają się w oczy, ale mają kluczowe znaczenie dla bezpiecznej pracy. Czujniki krawędzi, zamontowane na spodzie urządzenia, wykrywają nagłe zmiany poziomu podłogi i chronią przed spadnięciem ze schodów. Czujniki nacisku w zderzaku rejestrują kontakt z przeszkodami, których system nawigacyjny nie zdołał wykryć. Żyroskop i akcelerometr monitorują orientację urządzenia w przestrzeni i wykrywają zablokowanie kół.

W niektórych modelach znajdziemy też czujniki dywanów, które automatycznie zwiększają moc ssania po wykryciu miękkiej powierzchni, oraz czujniki poziomu zabrudzenia, mierzące ilość cząstek pobieranych przez szczotki. Te ostatnie pozwalają robotowi zdecydować, czy dany fragment podłogi wymaga dodatkowego przejazdu.

Mapy, strefy i harmonogramy

Dane zebrane przez czujniki trafiają do aplikacji mobilnej, gdzie użytkownik widzi mapę swojego mieszkania z zaznaczonymi pomieszczeniami. To nie jest statyczny obraz. Mapy są interaktywne: można wydzielić strefy, ustalić bariery wirtualne i przypisać każdemu pomieszczeniu osobny harmonogram sprzątania.

Z punktu widzenia informatyki to interesujące wyzwanie. Robot musi przechowywać mapę w pamięci o ograniczonej pojemności, aktualizować ją przy każdym przejeździe i synchronizować z chmurą przez sieć Wi-Fi. Algorytmy kompresji danych przestrzennych, znane z kartografii cyfrowej i systemów informacji geograficznej, zostały zaadaptowane do skali mieszkania. To miniaturyzacja technologii, która jeszcze niedawno wymagała serwerów obliczeniowych.

Od laboratorium do salonu

Historia nawigacji robotów domowych jest przykładem tego, jak technologie opracowane na potrzeby przemysłu i nauki trafiają pod strzechy. SLAM powstał w latach osiemdziesiątych XX wieku na potrzeby robotyki mobilnej i kartografii autonomicznej. Lidar przez dekady był narzędziem geodetów, archeologów i konstruktorów pojazdów autonomicznych. Sieci neuronowe do rozpoznawania obrazów rozwijano w laboratoriach badawczych z myślą o medycynie, bezpieczeństwie i analizie satelitarnej.

Połączenie tych technologii w urządzeniu wielkości frisbee, zasilanym baterią i kosztującym ułamek ceny robota przemysłowego, to efekt miniaturyzacji podzespołów elektronicznych i spadku kosztów produkcji czujników. Lidar, który piętnaście lat temu kosztował tysiące dolarów, dziś jest dostępny w wersji miniaturowej za kilkadziesiąt. Procesory zdolne do uruchomienia modeli uczenia maszynowego zmieściły się na chipach o powierzchni paznokcia.

Co dalej?

Kierunek rozwoju jest dość czytelny. Kolejne generacje urządzeń będą coraz lepiej rozumiały kontekst domowy. Nie tylko co stoi na podłodze, ale też jaki rodzaj zabrudzenia wymaga usunięcia i jakim narzędziem najlepiej to zrobić. Integracja z innymi urządzeniami w ekosystemie inteligentnego domu pozwala na scenariusze, w których sprzątanie uruchamia się automatycznie po wyjściu domowników z mieszkania, a kończy przed ich powrotem.

Robotyka domowa to wciąż młoda dziedzina, ale tempo jej rozwoju pokazuje, że granica między sprzętem konsumenckim a zaawansowaną technologią zaciera się szybciej, niż ktokolwiek przewidywał dekadę temu.