מערכת רכישת נתונים רובוטית

רכישת נתונים (DAQ) מהווה את הבסיס לפיתוח מערכות אוטונומיות אמינות.זה מגשר הפער בין העולם הפיזי לבין ההיגיון הדיגיטלי המאלץ רובוטים, מזל"טים ופלטפורמות אוטונומיות. על ידי איסוף, עיבוד ואחסון נתונים מחיישנים כמו LIDAR, מצלמות, ויחידות מדידה לא רצויות (IMUs), מהנדסים יכולים לנתח ביצועים של מערכות, מוטציות, ומודלים חזקים יותר של למידה של טכנולוגיות פונקציונליות ואפקטים אוטונומיים כדי לפתח את הפונקציונליות של טכנולוגיות DAQ באופן ישיר, כמו יעילות של יעילות של טכנולוגיות אבטחה ואפקטים למעבדות ואפקטים אוטונומיות, כמו שיטות אבטחה, כמו שיטות אבטחה, כמו שיטות אבטחה, כמו שיטות אבטחה, כמו שיטות אבטחה יעילות של יעילות של יעילות מוכחות, כמו שיטות אבטחה יעילות של יעילות של יעילות של טכנולוגיות DAMUs אוטונומיות, כמו שיטות אבטחה, כמו שיטות אבטחה, כמו שיטות אבטחה, כמו שיטות אבטחה יעילות באופן ישיר, כמו שיטות אבטחה יעילות של טכנולוגיות אבטחה יעילות מתקדמות, כמו שיטות אבטחה מתקדמות, כמו שיטות אבטחה מתקדמות, כמו שיטות אבטחה מתקדמות, כמו שיטות אבטחה מתקדמות, כמו שיטות אבטחה יעילות של טכנולוגיות DAMU, כמו שיטות אבטחה יעילות מתקדמות, כמו שיטות אבטחה מתקדמות, כמו שיטות אבטחה עצמאיות, כמו שיטות אבטחה יעילות של מערכות DAMUs, כמו שיטות אבטחה מתקדמות, כמו

חיישן Array ו-Destion Conditioning

התהליך מתחיל עם מערך החיישן.LIDAR יחידות לייצר עננים נקודתיים צפופים באמצעות הדופק לייזר, מצלמות ללכוד אור חזותי, IMUs למדוד האצה ומהירות זוויתית. אותות רול מן החיישנים האלה הם לעתים קרובות אנלוגיים או מכילים רעש משמעותי.התנורות מעגל מתנורות, מסננים, ומבודדים אותות אלה כדי להכין אותם לדיאטה מדויקת.

אנליסט אנליסט ל-Digital Conversion ו-Sampling Strategy

ADCs להמיר מתחים אנלוגיים מותנים למספרים דיגיטליים דיסקרטיים.ההחלטה (מחושים ב bits) ו-Sampling Rate (מחושים ב- Hz) לקבוע את הגמישות והדיוק הזמני של הייצוג הדיגיטלי. A 12 סיביות ADC מספק 4096 רמות דיסקרטיות מדויקות, בעוד Abit ADC מציע מעל 16 מיליון, מתאים ליישומים עתירי-קלידיים של פחמן-קלידיים, כגון אופטימיזציה אופטית, כגון, 000, 000, 000, 000, 000, 000, 000, 000 יעיל של טכניקות אנטי-קומית, כמו אופטימיזציה של ADC, 000, 000, כמו אופטימיזציה של ADC, 000, 000, 000, 000 יעיל של טכניקות אופטימיזציה אופטית, 000, 000, 000, כדי לבצע אופטימיזציה של ביצועים יעילים, 000, 000, 000, 000, 000, 000 יעיל של ADC מציעה יותר, 000, 000, 000, 000, 000, 000 יעיל של מספר יעיל של ADC, 000, 000, 000, 000, 000 יעיל של טכניקות אופטימיזציה של תזמון יעיל של ADC, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 יעיל של ADC מציעה יותר,

עיבוד, אחסון ו-Time Interfaces

לאחר דיגיטציה, נתונים זורמים ליחידת עיבוד.זה יכול להיות מערכת משובצת כמו NVIDIA Jetson Orin, בקר בזמן אמת מ-DSPACE או National Instruments, או מחשב מחוספס.הבחירה תלויה אם המטרה היא למנוע בזמן אמת תזמון בקצה או ב-Fieltances בזמן אמת עבור אימון מחשב לאחר-hoc.עבור בדיקות, Highcity-capagers, כגון חיישנים תפעוליים של PC, ו-Firetial Storage, הם באמצעות חיישנים, כגון חיישנים של אחסון של Microsoft.

מדוע DAQ הוא מימון עבור אימות מערכת אוטונומי

בדיקות מערכות אוטונומיות מציגות אתגרים ייחודיים שבדיקות תוכנה מסורתיות אינן יכולות להתמודד עם התחום העיצובי התפעולי (ODD) הוא עצום, ומקרי קצה הם נדירים אך קריטיים.

אימות ואימות של Perception Algorithms

אלגוריתמים חייבים לזהות במדויק ולסווג אובייקטים על פני תאורה משתנה, מזג אוויר, תנאים של אומדיום. High-integrity DAQ מאפשר לצוותים לשחזר תרחישים ספציפיים בסימולציה באמצעות שימוש בתוכנה-in-the-Loop (SIL) או Hardware-in-the-Loop (HIL) תצורה של כל כונן או סוג רובוטי, נתונים מסונכרנים מכל מאפשר אופטימיזציה למהנדסים ספציפיים ל-LARID.

תוצאות חיפוש > Root Cause Analysis and Safety Case Development

כאשר מערכת אוטונומית מתנהגת באופן בלתי צפוי, החוקרים מסתמכים על נתוני "קופסא שחורה" (Ric Box) , מסגרות תגמול כמו ההרחבה:0 ISO 2626203FLT:1 עבור בטיחות פונקציונלית ו-FLT:2UL 4600FLT 3 עבור מוצר אוטונומי בטיחות מוצרים אוטונומית בטיחות קפדניות איסוף ראיות. A DAQ מספק נתונים בלתי ניתנים למניעה ומוכחים, מה שמאפשר ניתוח שורש כמו בקר?

DAQ יעילה הופכת תצפיות סובייקטיביות למדדים אובייקטיביים, ניתנים לזיהוי של צוותי ה-II. Teams יכולים למדוד את שיעורי ה- latency Jitter, נחיתות חיישן, וציון האמון באלגוריתמים לאורך מיליוני דקות תפעוליות. גישה זו מונעת נתונים מאיצה את פיתוח התיק הבטיחות ומסייעת להבטיח אישורים רגולטוריים לפריסה.

אדריכלות: Robotics Data Acquisition

בחירת ארכיטקטורת DAQ תלויה בקנה מידה היישום, מגבלות סביבתיות, דרישות נפח נתונים. מהנדסים בוחרים לעתים קרובות מארבע קטגוריות עיקריות.

Embedded Data Loggers

מכשירים קומפקטיים, בעלי כוח נמוך המיועדים לרובוטים ניידים ורחפנים משתמשים בדרך כלל בגליוני נתונים משובצים.הם חוסכים נתונים לכרטיסי SD או M.2 NVMe לנהוג. בקהילת המחקר, מערכת סטנדרטית כוללת Raspberry Pi או NVIDIA Jetson המפעילה את מערכת ההפעלה הרובוטית (ROS) כדי להקליט קבצי rosbag. ⁇ אלה חייב להיות קל משקל ויעיל אנרגיה, לעתים קרובות לפעול על כוח עבור סוללות, עבור רובוטים שדה, הם מורחבים.

מערכות DAQ מבוססות בזמן אמת

עבור חומרה-in-the-loop (HIL) בדיקות, מערכות כמו National Instruments PXI או Speedgoat מציעים תזמון תזמון רציונאלי וספירות ערוצים גבוהים.מערכות אלה יכולות לדמות הזנות תוך כדי הקלטה של תגובות אקטוטור. הם תומכים בפרוטוקולים כמו EtherCAT עבור איסוף נתונים של שליטה סינכרונית.אלה נמצאים בדרך כלל בבקר אוטומציה תעשייתית ומעבדות פיתוח רובוטיות דו-לשוניות.

רשת DAQ

כלי רכב אוטונומיים גדולים כגון אוניות, משאיות וציוד כרייה משתמשים בצומת המחובר באמצעות Ethernet, CAN FD, או ה-Cent Ethernet של כלי רכב, כל בקר דומיין מאגד את הנתונים שלו, אשר הוא זמן-סונכרון באמצעות פרוטוקול זמן קדם-חשיבות (PTP, IEEE 1588).אדריכלות זו מספקת יכולת מדרגיות ורדודה.אם אחד נכשל, צמתים אחרים ממשיכים ללכוד נתונים קריטיים גם הם יכולים להפחית את החיישנים, כמו חיישנים קרובים ביותר לבקר מקומי.

Cloud-Connected Telemetry DAQ

עבור ציים של מכשירים אוטונומיים, נתונים סלקטיבית מועלות לענן מעל 5G, LTE או קישורי לווייניים.זה מאפשר שיפור מודל מתמשך אבל מציג אתגרים עם ניהול רוחב פס ונתונים. שרתי Edge מבצעים את השלב הראשון של סינון ומיזוג זרמי חיישן גולמי לתוך דגימות הכשרה יקר. חברות פריסת גלימות או משלוחים מסתמכות על אדריכלות היברידית זו כדי לדרג את צינורות הלמידה ביעילות.

צנרת רכישת נתונים: מסימן לאחסון

בניית צינור DAQ אמין דורש תשומת לב זהירה לסנכרון, סידוריזציה, וניהול metadata. צינור מעוצב היטב מקטין את שחיתות הנתונים ומזרז ניתוח במורד הזרם.

תזמון וחיישנים סינכרוניזציה

איסוף נתונים מ-LIDAR הפועל ב-10 הרץ ומצלמה הפועלת ב-30 הרץ דורש זמני טמפפטפטפטציה מדויקים. זמני שעון מערכת פשוטה אינם מספיקים עקב סחף שעון ושקיפות אוטובוס USB. מערכות DAQ מקצועיות משתמשות בסינכרון חומרה.A GPS Pulse II (PPS) מציג דיסציפלינות לא נכונות על כל חיישן.

פורמטים ו-Serialization

הדרך שבה הנתונים מאוחסנים משפיעה על היעילות של ניתוח עתידי.מערכת ההפעלה הרובוטיקה (ROS) קבצים (FirLT:0 rosbag2FLT:1) הם תקן דה- Facto למחקר ופיתוח, אחסון הודעות גלם בפורמט בינארי אינדקס.עבור בדיקות צי בקנה מידה גדול, יותר עמודה או סטנדרטית של מערכת ההפעלה מסתמכת לעתים קרובות על ASAMF4 (Measurement) עבור מזהה שטח אחסון נתונים רב-מתאים לתבניות אחסון מבוססות שטח, כגון דחיסה, פורמטים של ציוד אחסון, כגון דחיסה, פורמטים מבוססי קבצי נתונים, דחיסה, דחיסה, דחיסה, פורמטים של ציוד אחסון, דחיסה, דחיסה סטנדרטיים של ציוד אחסון, או סטנדרטיים של ציוד אחסון, עבור פורמטים של ציוד אחסון, עבור פורמטים של ציוד אחסון, עבור פורמטים של ציוד אחסון, עבור פורמטים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים מבוססי נתונים של ציוד אחסון נתונים עבור ממשק נתונים עבור ממשק נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד אחסון יעיל עבור ממשק נתונים עבור ממשקי נתונים של ציוד אחסון נתונים עבור פורמטים סטנדרטיים מבוססי נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד אחסון נתונים של ציוד

אמת אמת גבוהה

למידת מכונה על-ידי תפיסה דורשת תוויות אמת קרקעיות, בעוד שמערכת DAQ ידנית היא נפוצה, מערכות DAQ יכולות להתאים את החלקים של תהליך זה.

  • (FLT:0) Infrastructure-based DAQ:FreaLT:1 , מצלמות קבועות ו-LIDAR מותקן במסלול מבחן מספקים התייחסות לאמת עצמאית ושלישית לבדיקת דיוק התפיסה של רובוט.
  • (ב) ,0) גבוה-Precision RTK GPS/INSOVA:FLT 1 מספק אמת קרקעית ברמה גבוהה עבור הערכה וערכת רצף.
  • (FLT:0) מרבי-Modal Calibration: ההרחבה לאחור של 1 (RalLT:1) באמצעות מטרות צ'קנדרנט או תכונות סצנה ידועות מבטיח כי LIDAR-to-Moderra ו- IMU-to-odometry שינויים הם מדויקים לאורך זמן.

עם צינור אמת קרקע אמין הוא מה מפריד אבטיפוס ממערכת ביקורתית מוסמכת.

איסוף נתונים וגרסה ב-Cyp Scale

כאשר צי של 50 רובוטים יוצר terabytes של נתוני חיישן בשבוע, מהנדסים לא יכולים לחפש באמצעות קבצים גולמיים באופן ידני.קטלוגים ומאגרי נתונים להיות נדרשים.כלי כמו 50 One, LakeFS, או אינטגרציה אישית של Exchange של AWS מאפשר לצוותים לשאילתת נתונים בהתבסס על תגי metadata.לדוגמה, מהנדס יכול לשאול: "מצא את כל הרצף שבו הרובוט פועל מעל 5 מ"מ / שעה מאפשר לצוותים של אימון, אשר מאפשר בדיוק, כדי לתקן את שיטות למידה ומכשירים.

אתגרים ב- Modern Robotic Data Acquisition

הפיצוץ של רזולוציית חיישן וסקאלה צי מציג מכשולים משמעותיים שמהנדסי DAQ חייבים לטפל בהם באופן שיטתי.

Bandwidth ו- Storage Thermal Management

כלי רכב מודרניים המצוידים במצלמות ברזולוציה גבוהה, 128 ערוצים LIDAR, ו RADAR יכולים לייצר 1-3 TB של נתוני חיישן ליום.ניהול מחזור חיי האחסון ביעילות דורש עדיפות למדיניות שמירת נתונים.ברובוטים ניידים, החום שנוצר על ידי מהירות גבוהה SSD ו- GPUs במהלך הדבקה דורש ניהול פעיל של מערכת ניהול יישומים, אשר צורכת כוח סוללה יקר.

אינטגרציית נתונים ואבטחה

נתונים פגומים גרועים יותר מאשר נתונים, כפי שהוא יכול להכשיר מודלים רעים או להסתיר תקלות מערכת קריטיות. מערכות DAQ חייב ליישם בדיקות קצה-לקצה צינורות אחסון מאובטח כדי למנוע tampering. עבור יישומים קריטיים בטיחות, הוכחה נתונים היא חיונית. חתימות קריפטוגרפיים על יומני להבטיח שהם לא השתנו לאחר לכידת וניתן להשתמש בהם כראיות משפטיות בתאונות.

המונחים: environmental Reptness

רובוטים פועלים בגשם, בוץ, בוטה, בחום קיצוני, ומקפיאים חומרת DAQ חייב להיות מתוכנן לשרוד תנאים אלה. Connectors חייב להיות חתומה לסטנדרטים IP67 או IP69K כדי למנוע לחות בתוקפנות.חומרת Wiring צריכה להיות מתוחה ומוגנת מפני צינורות צינוריים, לעתים קרובות משתמשים במחברים תעשייתיים עם מנעול מנגנונים ומצטברים כדי להפחית את הזמן שנגרם על ידי ניתוקפות של פתרונות צינוריתים של צינורות קירור.

מגמות עתידיות: רכישת נתונים חכמים וסינטטיים

הדור הבא של DAQ עובר מעבר להקלטה פסיבית לקראת בחירת נתונים אינטליגנטית ושילוב סימולציה.

צוק איתן ו- Trigger-based Data Collection

במקום למקם את כל הדברים, מערכות DAQ חכמות לנצל את הלמידה של מכונה לוח מודעות כדי לזהות אירועים מעניינים ולבואר רק אלה.זה מפחית באופן דרסטי את האחסון הנדרש עבור צי מבחן.לדוגמה, ערימה אוטונומית נהיגה באמצעות FLT:0NVIDIA DriveWorkssFLT:1 יכול רק לחסוך יומני נאמנות גבוהה כאשר התוכנית מבצעת בועה קשה או aomaly מזוהה על ידי צוותים מבוססי על ידי לחץ על ידי לחץ נתונים על ידי אופטימיזציה של חומרים.

מבוסס אירועים ו- Neuromorphic Sensing

מצלמות מסורתיות המבוססות על מסגרת (30-60 הרץ) לבזבז רוחב פס לכידת מידע מקובע מסצנות סטטיות.חיישנים מבוססי אירועים (מצלמות עצביות) רק שינויים בהירים ברמת פיקסל, מתן פתרון זמני מיקרו-שני עם נתונים מינימליים על פני השטח.זה אידיאלי עבור יישומים רובוטיים מהירים כמו מל"ט או מערכות במהירות גבוהה של איסוף מהיר, שבו מטושטשים תנועה מטושטשים מערכות נתונים מסורתיות כדי לייעלות, ממערכות DAQ.

נתונים סינתטיים ו-Sim-to-real DAQ

Real-world DAQ הוא יקר ומסוכן לאיסוף מקרים. צינורות מודרניים משלבים נתונים סינתטיים מסימולטורים כגון NVIDIA יצחק Sim, CarLA, או Gazebo. אלה זרמי חיישן מדומים מטופלים כנתוני DAQ סטנדרטיים על ידי צינורות זמן ML.הטכנולוגיה יוצרת לולאה סגורה שבה נתונים אמיתיים משפרים את הסימולציה, וסימולציות נתונים של המודל האמיתי של .

פורמטי נתונים סטנדרטיים ל- Machine Learning Pipelines

כמו התעשייה בוגרת, יש דחיפה לכיוון של נתונים סטנדרטיים ופורמטים של שינוי. ארגונים כמו קוטוריום מחשוב אוטונומי (AVCC) ו ASAM הם סטנדרטים מוגדרים עבור ingestion, אנטרציה, ו replay.אימוץ סטנדרטים אלה מוקדם מאפשר לצוותים הנדסיים להשתמש מחוץ ל- Shelf כלים עבור הדמיה, תווית, והכשרה במקום בניית תשתיות מותאמות אישית.

רכישת נתונים אינה רק פונקציה תמיכה רובוטיקה; היא נכס אסטרטגי.היכולת ללכוד, לנהל, לפרש נתוני חיישן נאמנות גבוהה קובע ישירות את מהירות הפיתוח ותקרת בטיחות המערכת. as המערכות האוטונומיות מתרבים לכל היבט של חיי היומיום, האדריכלות והמתודולוגיות של DAQ חייבות להיות מתוחכמת ואמינה כמו הרובוטים שהם משרתים מהנדסים.