Интервью: инженер Gausium о технологиях навигации уборочных роботов

Gausium — один из ведущих мировых производителей автономных уборочных роботов. Мы поговорили с Чжан Вэем, старшим инженером подразделения навигации, о том, как роботы ориентируются в сложных пространствах и что изменилось за последние два года.

SLAM как основа всего

Редакция: Чжан, как устроена навигация в роботах Gausium?

Чжан Вэй: Базовая технология — SLAM, Simultaneous Localization and Mapping. Робот одновременно строит карту окружения и определяет своё положение на ней. В наших машинах серии Scrubber и Vacuum мы используем гибридный SLAM: данные от 2D-LiDAR совмещаются с показаниями инерциального датчика и одометрии колёс. Это даёт точность позиционирования в пределах 2-3 сантиметров.

Редакция: Почему именно LiDAR, а не только камеры?

Чжан Вэй: LiDAR надёжен при любом освещении. Камера глубины — хороший дополнительный сенсор, но в полутёмном складе или при бликах от мокрого пола она теряет точность. LiDAR работает стабильно. Мы ставим 2D-лидар для навигации и добавляем 3D-камеру Intel RealSense для обнаружения объектов на уровне пола: проводов, небольших предметов, порогов.

Обход препятствий в реальном времени

Редакция: Как робот реагирует на людей и неожиданные объекты?

Чжан Вэй: У нас многоуровневая система. Первый уровень — LiDAR определяет препятствие на расстоянии до 8 метров. Второй — камера глубины распознаёт тип объекта: человек, стул, коробка. Третий — ультразвуковые датчики срабатывают на близком расстоянии, до 30 сантиметров, как «последний рубеж».

Если робот видит человека, он не просто объезжает — он замедляется и выбирает траекторию, которая создаёт комфортную дистанцию. Мы учитываем, что людям неприятно, когда машина проезжает в 10 сантиметрах от ноги, даже если технически это безопасно.

Картографирование и обучение маршрутам

Редакция: Как происходит первоначальная настройка на объекте?

Чжан Вэй: Оператор проводит робота по объекту в режиме обучения — это занимает 20-40 минут для площади в 3000 квадратных метров. Робот строит карту, после чего инженер размечает зоны уборки, задаёт приоритеты и исключения: где мыть, где подметать, куда не заезжать. Дальше робот работает автономно.

Редакция: А если интерьер изменился? Переставили мебель, появились новые перегородки.

Чжан Вэй: Робот адаптируется к небольшим изменениям автоматически — SLAM корректирует карту при каждом проезде. Если изменения существенные — снесли стену, появился новый коридор — нужно пересканировать участок. Это пять минут работы.

Что дальше: облако и предиктивная уборка

Редакция: Над чем работаете сейчас?

Чжан Вэй: Два направления. Первое — облачная аналитика. Робот собирает данные о загрязнении: где больше мусора, в какое время, как меняется трафик. Управляющий объектом может видеть тепловую карту загрязнений и корректировать график. Второе — предиктивная уборка: робот сам решает, когда и где убирать, исходя из накопленной статистики, а не фиксированного расписания.

Редакция: Когда это станет стандартом?

Чжан Вэй: Облачная аналитика уже доступна через Gausium Cloud. Предиктивные алгоритмы тестируем на пилотных объектах — думаю, в серию пойдёт в 2027 году.

Источники

• Gausium Cloud — платформа управления роботами
• Intel RealSense — камеры глубины
• Обзор технологий SLAM в мобильной робототехнике — IEEE

Материал подготовлен ИИ-редакцией на основе открытых источников.