La gestione del magazzino affronta sfide logistiche sempre più complesse, in particolare per quanto riguarda le scaffalature alte e le vaste superfici. I sistemi attuali di gestione dell’inventario, spesso basati su procedure manuali, presentano limiti significativi: errore umano, scarsa organizzazione nelle procedure, difficoltà nel rilocalizzare la merce e ingenti costi in termini di tempo e risorse.
L’introduzione di droni a guida autonoma (Unmanned Aerial Vehicles – UAV) rappresenta una soluzione a questi problemi.
Sensoristica e Tecniche di Computer Vision per la Navigazione Autonoma
Per operare in un ambiente complesso e dinamico come un magazzino, un drone autonomo si affida a un’architettura sensoristica sofisticata e a robusti algoritmi di localizzazione e mappatura.
Localizzazione del Drone: Odometria Visuale e Lidar SLAM
La determinazione della posizione e dell’orientamento del drone nello spazio è cruciale. Vengono utilizzate primariamente tecniche di Visual o Lidar Odometry
- Visual Odometry : Utilizza i dati provenienti da una Camera RGBD (Red, Green, Blue, Depth) per tracciare il movimento del drone in relazione alle caratteristiche visive dell’ambiente. Conviene se la stessa camera viene impiegata per l’identificazione dei prodotti.
- Lidar Odometry: Sfrutta i sensori Lidar (Light Detection and Ranging) che emettono impulsi laser per misurare le distanze e costruire una mappa 3D dell’ambiente. Offre una localizzazione più robusta e non è influenzato dalla luce ambientale.
Identificazione dei Prodotti: RFID e QR Code
L’inventario automatico si basa sull’identificazione univoca degli articoli. Le tecniche adottate includono:
- RFID (Radio-Frequency Identification): Sfrutta un lettore a bordo per rilevare i tag RFID presenti sui prodotti, anche in assenza di linea visiva diretta.
- QR Code e Codici a Barre: Le telecamere di visione artificiale (Computer Vision) acquisiscono e decodificano i codici a barre e i QR code per identificare e associare l’articolo alla sua posizione.
Confronto Tecnologico: Camera RGBD vs. Lidar 3D + RFID
La scelta della sensoristica influenza direttamente le prestazioni, il costo e la capacità di operare in diverse condizioni ambientali.
| Caratteristica | Camera RGBD (Visual SLAM) | Lidar + RFID (Lidar SLAM) |
| Peso del Sistema | Minore | Maggiore |
| Illuminazione Ambientale | Necessaria | Non necessaria |
| Costo | Minore | Maggiore |
| Necessità di Marker/Tag a vista | Si | No |
| Velocità di Scansione | Minore: richiede manovre precise per l’inquadratura dei marker | Maggiore: rilevazione nelle vicinanze grazie a RFID |
| Distanza dagli Oggetti | Minore | Maggiore |
| Visione di Campo (FOV) | Minore (90-120 gradi) | Maggiore (fino a 360 gradi) |
| Costo Computazionale Algoritmi | Minore (meno dati da elaborare) | Maggiore (più dati da elaborare) |
Mitigazione delle Complessità Ambientali e Problemi risolti in Aitronik
Un magazzino presenta notevoli complessità ambientali che possono compromettere l’affidabilità di qualsiasi sistema di guida autonoma. Noi di Aitronik abbiamo affrontato e risolto queste problematiche perché pensiamo che analizzando ed affrontando ogni singola criticità si possa trovare la soluzione adatta a quel particolare ambiente e sistema.
Qui vi raccontiamo come abbiamo fatto:
- Scarsa Illuminazione o Luce Diretta: La luce diretta (sole, lampade) sulla camera degrada l’immagine, arrivando ad inibire completamente il sistema
Soluzione: applicazione di tecniche di sensor fusion. Queste tecniche permettono di combinare i dati provenienti da sensori diversi per ottenere una stima più accurata, affidabile e robusta dell’ambiente o dello stato del sistema
Con il LiDar questo problema è inesistente.
Consigliamo una conoscenza a priori dell’ambiente in cui il drone dovrà operare in modo tale da poter scegliere i sensori più idonei.
- Misure Rumorose e Falsi Ostacoli: Dati sensoriali errati possono causare la creazione di artefatti (falsi positivi).
Soluzione: applicazione di filtri e algoritmi probabilistici sulle misure di camera o LiDAR, che consentono di eliminare i falsi positivi garantendo una navigazione sicura.
- Etichette Parzialmente Oscurate: l’utilizzo dell’RFID aggira il problema, rilevando il tag anche in assenza di linea visiva diretta.
Ci sono anche sfide pratiche nell’utilizzo di droni a guida autonoma per magazzini:
- Bassa Autonomia della Batteria
In ambienti indoor, quali i magazzini, è necessario utilizzare droni piccoli per permettere il passaggio in spazi ristretti. Questo conduce inevitabilmente a delle restrizioni nel peso e quindi all’utilizzo di batterie piccole con autonomia limitata.
Soluzione: ottimizzazione delle traiettorie di navigazione e controllo per evitare di percorrere zone già visitate, massimizzando l’area coperta a parità di tempo.
- Difficoltà di Testing
Testare gli algoritmi di navigazione nei droni risulta complesso poiché, in caso di fallimento del sistema, esiste la possibilità concreta di urto del veicolo.
Soluzione: L’utilizzo di sistemi di simulazione permette di testare intensivamente gli algoritmi in un ambiente virtuale sicuro prima dei test sul campo. Inoltre, l’adozione di protezioni plastiche stampate in 3D (leggere e robuste) mitiga i danni in caso di urto.
Infine, è molto importante avere un’area di test dedicata che sia sicura e isolata dalla presenza di esseri umani.
- Comunicazione con Stazione di Terra
Durante i test bisogna mantenere una connessione stabile e costante con il drone, al fine di monitorare lo stato del sistema (localizzazione, mappatura, traiettorie, etc…). Questo può risultare complesso nel caso di grandi magazzini in cui il drone inevitabilmente si allontana dal punto di partenza.
Soluzione: l’uso di un router Wi-Fi portatile garantisce una connessione stabile anche quando il drone si allontana, essenziale per il monitoraggio e il controllo.
- Validazione della Localizzazione
In assenza di sistemi di misura assoluti, come un GNSS (GPS), è necessario definire dei metodi di valutazione delle tecniche di localizzazione adottate. Queste, infatti, non essendo assolute possono essere affette da drift, ovvero da piccoli errori che si accumulano nel tempo.
Soluzione: per sapere quanto è accurata la stima della posizione del drone, si utilizzano sistemi ausiliari ad alta precisione (es. Vicon con telecamere di tracciamento) per validare le stime del sistema di localizzazione di bordo.
- Distribuzione del peso sul drone
E’ fondamentale che il peso del drone sia ben distribuito e il baricentro definito in modo tale che un motore non si sforzi più dell’altro.
Soluzione: Per questo motivo è fondamentale pensare ad una configurazione efficiente del carico a bordo (sensori, batteria, microcontrollore).
Controllo e Miglioramento dell’Inventario
I droni sono equipaggiati con avanzati algoritmi di controllo e pianificazione del percorso che implementano sistemi di obstacle avoidance per reagire dinamicamente ad oggetti e persone inaspettate, garantendo una navigazione sicura, precisa ed ottimizzata.
L’uso di droni a guida autonoma migliora radicalmente i sistemi di gestione dell’inventario fornendo dati che erano difficili o impossibili da ottenere manualmente.
Verso un Magazzino Completamente Autonomo
I droni autonomi sono uno strumento essenziale per la digitalizzazione e l’automazione della logistica. Attraverso l’integrazione di sensoristica avanzata (Lidar, RGBD, RFID), l’impiego di tecniche di Sensor Fusion e l’implementazione di algoritmi di controllo e SLAM, è possibile superare le complessità ambientali e operative dei magazzini moderni. Sebbene le sfide di sviluppo (come l’autonomia e la robustezza in condizioni di luce avverse) richiedono soluzioni ingegneristiche mirate, l’impatto in termini di riduzione dell’errore, ottimizzazione del tempo e precisione dell’inventario li rende un investimento strategico per il futuro della catena di approvvigionamento.
