Med sensorer och mjukvara mot framtiden

Att sensorer och algoritmer är nyckelbegrepp inför framtiden, det har vi hört många gånger. Men vad betyder det?

Vad är det för sensorer forskare och utvecklare talar om och vad är det egentligen som algoritmerna gör?

Vid Örebro universitet finns Centrum för tillämpade autonoma sensorsystem, förkortat AASS. Här forskas bland annat på hur olika typer av sensorer kan användas för att förstå vad som finns i omgivningen kring en mobil enhet. Den mobila enheten kan i sin tur vara allt från en liten robot av en dammsugares storlek till en stor autonom gruvmaskin.

Rafael Mosberger har doktorerat vid Örebro universitet och är nu vd för företaget Retenua. Under sina doktorandstudier skapade han ett system som kan känna igen människors reflexvästar och varna när de kommer för nära maskinen. Tillsammans med sin handledare Henrik Andreasson bildade han 2015 företaget Retenua för att vidareutveckla systemet och ta det till marknaden. 

Tio år senare har företaget vuxit och fokuserar nu på att utveckla intelligenta AI-styrda sensorsystem till mobila autonoma maskiner inom logistik, bygg-, tillverknings- och gruvindustri. Förutom varningssystemet Emitrace, som Rafael Mosberger tog fram under sina doktorandstudier, har företaget även lanserat mjukvaran Ecceleron för avancerad maskinstyrning. Kunderna är flera globalt ledande maskintillverkare.

Enligt Rafael Mosberger börjar processen med att göra ett fordon självgående med att skapa en karta i två eller tre dimensioner över området som fordonet ska röra sig inom. 

– Kartan skapas genom att data samlas in med hjälp av sensorer, berättar han och tillägger att det oftast sker genom att köra runt den aktuella maskinen i området. 

– När kartan är skapad och maskinen används jämförs kontinuerligt aktuell sensordata med den tidigare skapade datan så att fordonets position kan bestämmas i realtid.

För maskiner som är helt autonoma blir den här lokaliseringen naturligtvis helt nödvändig. Men det finns också maskiner som styrs av en människa, antingen på plats i maskinen eller på annan plats via fjärrstyrning, och då kan positioneringssystemet bli ett bra förarstöd.

Att veta var på kartan maskinen befinner sig räcker dock inte för att släppa ut en maskin på egen hand. Det kan ju ha dykt upp nya saker på området, andra maskiner till exempel.

– Vi kallar det hinderdetektering och det är också viktigt att kunna avgöra om ett hinder är statiskt eller rör på sig.

Nästa uppgift för sensorerna blir att samla in uppgifter om hur markförhållandena ser ut där maskinen kör. 

– En robot som arbetar inomhus, till exempel på ett lager, kör ju på ett plant underlag och då är den här funktionen inte så viktig, men i en gruva kanske marken inte ens är körbar på alla ställen och då blir den avgörande.

När den autonoma maskinen har koll på sin position, hinder i omgivningen och hur markför-hållandena ser ut är det dags att börja arbeta. Till det krävs att planera en rutt från nuvarande position till ett mål. 

– Säg till exempel att vi har en dumper som just lastats, den måste då planera sin rutt till platsen där den ska tippa. Det kan finnas flera olika rutter att välja mellan; raka, runda, anpassade till terrängen, eller anpassade för att ge så låga körkostnader som möjligt.  

– Dessutom måste rutterna koordineras mellan olika fordon. Vid en trång passage handlar det till exempel inte bara om hur körbanan ser ut utan också om vilket fordon som prioriteras och får köra först och hur möten ska se ut.

För att klara av alla de här uppgifterna används, förutom en avancerad mjukvara, flera olika typer av sensorer. En av dem känner de flesta av oss till och använder dagligen – den digitala kameran. 

Andra typer av sensorer är radar och LiDAR, ett system som fungerar ungefär som radar men som använder sig av ljus istället för radiovågor och kan mäta avstånd till föremål med hjälp av en reflekterad laserpuls. Lika viktigt som att mäta hur miljön ser ut är maskinens egen rörelse. För det används så kallade tröghetssensorer, IMU, som mäter maskinens acceleration och rotationshastighet.

– Sensorernas egenskaper förbättras ständigt, konstaterar Rafael Mosberger. Titta bara på hur en kamera får allt högre upplösning. Det samma gäller LiDAR som tidigare gav tvådimensionella bilder, men nu kan ge tredimensionella och i allt fler punkter per svep. 

– Även radar förbättras också kontinuerligt. Den senaste 4D-radartekniken tillåter med sin fjärde dimension, Doppler-frekvensen, en direkt mätning av ett objekts relativa hastighet, avgörande för att förstå rörelsemönster och objektklassificering.

Utöver att ge allt högre upplösning blir sensorerna också allt mer robusta och passar därmed allt bättre för arbete på tuffa ställen som i gruvor och anläggningsmiljöer.

Att vi över en natt helt plötsligt har maskiner som klara sig helt själva är, trots framstegen inom sensorteknik och AI, inte möjligt enligt Rafael Mosberger. Övergången till autonomi kommer att ske gradvis genom flera generationer av maskiner. 

Men han målar också upp den bild av hur annorlunda framtidens maskiner kan bli. 

– Tänk till exempel på hur våra maskiner är utformade för att vi människor är mest vana att titta och köra i en riktning, framåt. I framtiden kanske det kommer maskintyper som rör sig lika bra i flera olika riktningar eftersom de kan ”se” åt alla olika håll lika bra.