Введение

Современная складская логистика требует внедрения автономных мобильных роботов (AMR) для минимизации издержек и повышения скорости обработки грузов. Целью данной работы являлось создание прототипа универсальной мобильной платформы, способной строить карту помещения и автономно перемещаться с высокой точностью. Проект реализован в рамках университетской проектной деятельности с использованием методов аддитивного производства и современных алгоритмов навигации.

Механическая конструкция и аппаратная часть

Робот имеет габариты 300х300х150 мм. Для устранения проблемы нестабильности горизонтальной плоскости лидара при ускорениях («клевок» корпуса) нами была спроектирована шеститочечная кинематическая схема: два центральных ведущих колеса (дифференциальный привод) и четыре пассивных опорных шарика (Omni-ball) по углам платформы.

Корпус робота изготовлен с применением гибридной 3D-печати. В то время как ненагруженные элементы выполнены из базового PLA-пластика, высоконагруженные крепления мотор-редукторов распечатаны из термостойкого инженерного полиамида (PA12). Это решение предотвратило деформацию узлов при нагреве моторов до 60 °C во время интенсивной эксплуатации и обеспечило жесткость конструкции.

Сенсорная подсистема базируется на лазерном дальномере RPLidar C1 (частота сканирования 10 Гц) и камере для распознавания визуальных маркеров. Вычислительная архитектура разделена на два уровня: одноплатный компьютер Raspberry Pi 4 (верхний уровень, планирование траекторий) и микроконтроллер Arduino Nano (нижний уровень, ПИД-регулирование скорости моторов через полномостовой драйвер BTS7960).

Программная архитектура на базе ROS 2

В качестве операционной системы использована ROS 2 Jazzy Jalisco. Применение протокола Zenoh в качестве слоя RMW (ROS Middleware) позволило минимизировать сетевые задержки при передаче плотных потоков данных от лидара с 45 мс до 12 мс по сравнению со стандартным протоколом Fast-DDS.

Для борьбы с накоплением ошибки одометрии (дрейфом) при проскальзывании колес, в систему был интегрирован расширенный фильтр Калмана (EKF, пакет robot_localization). Алгоритм производит математическое слияние данных с энкодеров моторов и встроенного IMU-сенсора MPU6050, корректируя угловую скорость робота.

Построение 2D-карты помещения осуществляется алгоритмом slam_toolbox. За автономную навигацию отвечает стек Nav2 с использованием глобального планировщика SmacPlanner и локального контроллера DWBLocalPlanner. Логика поведения робота в нештатных ситуациях (например, при неожиданной блокировке пути) описана с помощью деревьев поведения (Behavior Trees), включающих алгоритмы автоматического восстановления (Recovery Behaviors).

Компьютерное зрение и гибридная навигация

Для прецизионной стыковки робота со стеллажами стандартной точности лидара недостаточно. Для решения этой задачи был разработан программный узел с использованием библиотеки OpenCV. Камера робота фиксирует ArUco-маркеры (словарь DICT_4X4_50), расположенные в целевых зонах. Алгоритм solvePnP вычисляет матрицу трансформации и переносит локальные координаты маркера в глобальную систему координат карты. Это позволяет роботу динамически обновлять целевую точку (Goal Pose) в режиме реального времени.

Результаты и выводы

Разработанная платформа была успешно протестирована в ходе серии полигонных испытаний весной 2026 года.

При средней скорости движения 0.5 м/с робот продемонстрировал время цикла управления (sense-plan-act) на уровне 45 мс. Погрешность выхода в целевую точку у стеллажа с использованием гибридной лидарно-визуальной навигации составила не более 5 мм. Результаты экспериментов подтверждают высокую надежность выбранной двухуровневой архитектуры управления и готовность созданного шасси к дальнейшей интеграции манипуляционных устройств.

Литература:

1. Macenski S. The Marathon 2: A Navigation System // IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 2020. P. 2718–2725.
2. Macenski S. SLAM Toolbox: Design and implementation of a 2D SLAM system // Journal of Open Source Software. 2021. Vol. 6. P. 2783.
3. Moore T. A Generalized Extended Kalman Filter Implementation for the Robot Operating System // Intelligent Autonomous Systems 13. Springer, 2016. P. 335–348.
4. ROS 2 Documentation: Jazzy Jalisco [Электронный ресурс]. URL: https://docs.ros.org/en/jazzy/index.html (дата обращения: 18.04.2026).
5. RPLIDAR C1 Low Cost 360 Degree Laser Range Scanner [Электронный ресурс]. URL: https://www.slamtec.com/en/Lidar/C1 (дата обращения: 10.03.2026).