AO_468

84 | MARZO 2026 AUTOMAZIONE OGGI 468 Robotica AUTOMAZIONE OGGI In grandi spazi aperti, come in un magazzino di 50x50 m, molti elementi visivi possono es- sere al di fuori del raggio d’azione effettivo del Lidar (si veda Fig.6), che in genere ha una portata massima di 10~15 m. Layout uniformi, come scaffalature o rack di stoccaggio equidi- stanti, possono confondere l’odometria visiva, a causa dell’aspetto simile di più posizioni diverse. In questi casi, la combinazione delle misurazioni IMU con i dati dell’encoder delle ruote consente al robot di mantenere stime locali affidabili della posizione. Le superfici inclinate rappresentano un’al- tra sfida (si veda Fig.7). Il Lidar bidimensio- nale standard acquisisce i punti in un piano giornamento di 10 volte superiore, una IMU può offrire stime aggiornate della posizione durante gli intervalli più lunghi tra le misu- razioni dei sensori di percezione. Questa maggiore velocità di aggiornamento porta a tempi di reazione più brevi ai cambi di moto improvvisi e migliora l’affidabilità del sistema in ambienti dinamici. Le IMU sono la base per la determinazione del punto stimato da parte degli AMR, ov- vero quando un AMR stima la sua posizione corrente da una posizione di partenza nota, basandosi sull’integrazione delle misurazioni dell’accelerazione e dell’angolo dell’IMU. Fornendo i dati necessari per aggiornare continuamente posizione, orientamento e velocità, le IMU assicurano una stima precisa della posizione per una navigazione affida- bile degli AMR. Anche il formato compatto e il peso ridotto favoriscono l’integrazione delle IMU negli AMR. L’IMU Adis16500amlz di Analog Devices, per esempio, è offerta in un contenitore BGA di soli 15x15x5 mm, ma integra un giroscopio, un accelerometro, un sensore di temperatura e una catena di se- gnale completa per l’acquisizione e il condi- zionamento dei dati (si veda Fig.8). Questo livello di integrazione consente di fornire dati di movimento completi al processore host piatto; pertanto, un pendio può apparire come un ostacolo verticale. Questa interpre- tazione errata può interrompere la naviga- zione o far sì che il robot eviti percorsi invece percorribili. In tal caso, i dati di beccheggio e rollio dell’IMU possono fornire informazioni sul gradiente per attenuare l’interpretazione errata del Lidar, consentendo agli algoritmi Slam di risolvere il gradiente e distinguere tra pendii percorribili e ostacoli veri e propri. Anche i fattori ambientali inficiano le presta- zioni di localizzazione delle diverse modalità sensoriali (si veda la tabella). Fattori come la scarsa illuminazione, ambienti dinamici, su- perfici riflettenti e la necessità di una ricca geometria scenica possono avere un impatto sulla maggior parte delle modalità sensoriali. Le capacità prestazionali uniche delle IMU avvantaggiano gli AMR Le IMU si aggiornano a una velocità su- periore rispetto ai sensori di percezione, consentendo una risposta rapida ai cambia- menti dinamici dell’ambiente. A differenza dei sistemi di percezione, che funzionano tipicamente a 10~30 Hz, infatti, le IMU pos- sono fornire dati elaborati a 200 Hz e dati grezzi fino a 4 kHz. Con una velocità di ag- Figura 6 In un’ampia zona aperta, dove le limitazioni del raggio d’azione dei sensori e la mancanza di elementi visivi distintivi inficiano il rilevamento visivo, le misurazioni IMU e l’odometria delle ruote possono aiutare la localizzazione Figura 8 L’IMU Adis16500amlz integra un giroscopio, un accelerometro, un sensore di temperatura e una catena di segnali completa per l’acquisizione e il condizionamento dei dati Immagini per gentile concessione di Analog Devices Figura 7 Le letture di beccheggio e rollio dell’IMU possono rivelare la pendenza di un pendio, correggendo le interpretazioni errate della Slam in 2D e consentendo una navigazione dell’AMR sicura Tabella L’impatto di vari fattori ambientali sull’efficacia del sensore Fonte Analog Devices