ربات های تحویل خودکار به شدت به محلی سازی دقیق برای حرکت موثر و ایمن، بهبود عملکرد محلی سازی برای موفقیت عملیاتی، به ویژه در محیط های پیچیده، متکی هستند.این مطالعه استراتژی هایی را که برای افزایش قابلیت های محلی سازی روبات های تحویل پیاده سازی شده اند، بررسی می کند.

چالش های محلی سازی برای روبات های تحویل

ربات های تحویل با چالش های مختلف در محلی سازی مواجه هستند، از جمله محیط های پویا، تداخل سیگنال GPS و محدودیت های سنسور.مناطق شهری با ساختمان های بلند می توانند باعث خطای چند منظوره GPS شوند، در حالی که تنظیمات داخلی اغلب فاقد سیگنال های ماهواره ای قابل اعتماد هستند.

استراتژی های بهبود محلی سازی

برای حل این چالش ها، چندین استراتژی به تصویب رسید:

  • ترکیب داده ها از LiDAR، دوربین ها و واحدهای اندازه گیری بی سابقه (IMUs) برای ایجاد یک برآورد موقعیت قابل اعتماد تر.
  • ] محلی سازی مبتنی بر نقشه: [FLT 1 ] با استفاده از نقشه های با کیفیت بالا برای مطابقت با داده های سنسور و بهبود دقت موقعیت مکانی.
  • الگوریتم های سازگار: الگوریتم های پیاده سازی که با تغییرات محیطی و سر و صدا سنسور در زمان واقعی تنظیم می شوند.
  • سیستم های سرخ: در شرکت در ساخت چندین سنسور برای اطمینان از محلی سازی مداوم حتی اگر یک سنسور شکست بخورد.

نتایج و نتایج

پیاده سازی این استراتژی ها منجر به بهبود قابل توجهی در دقت محلی سازی و استحکامات شد. ربات های تحویل ناوبری بهتر در محیط های پیچیده شهری و داخلی، کاهش خطا و افزایش بهره وری عملیاتی را نشان دادند.