Sada senzorů robotů

Moderní robot s nohama se dodává s patnácti až čtyřiceti různými senzorovými kanály, v závislosti na tom, jak počítáte. Na marketingové fotografii jsou vidět dva – věž LiDAR nahoře a hloubková kamera na hlavě. Zbývajících třicet osm je uvnitř hrudníku, v kloubech, na chodidlech a (stále častěji) v prstech. Právě ony rozlišují mezi „robot se postavil“ a „robot se postavil, věděl, kde je, a rozhodl se, co bude dělat dál“.

Tento článek se zabývá tím, co vlastně je na humanoidovi nebo čtyřnožci z roku 2026, k čemu slouží jednotlivé senzory, jaké jsou důvěryhodné možnosti na jednotlivých úrovních a upřímný názor na to, které z nich jsou přeceňované. Předchozí články v této sérii — R01 a R02 — uvedené senzory pro každou platformu. Toto je referenční.

Dva světy: proprioceptivní a exteroceptivní

Každý robotický senzor spadá do jedné ze dvou kategorií a toto rozdělení je důležité, protože tyto dva světy mají velmi odlišnou latenci, přesnost a rozpočty poruchových režimů.

Proprioceptivní senzory sdělit robotovi něco o něm samotném: kde se nacházejí jeho klouby, jak rychle se pohybují, kterým směrem dole, zda je noha na zemi. Tyto funkce běží na vysokých frekvencích (200 Hz až 2 kHz), jsou deterministické, netolerují chvění a žijí na sběrnici pro řízení motoru v reálném čase. Pokud některý z nich leží, robot se do 50 ms převrátí.

Exteroceptivní senzory informují robota o světě: kamery, hloubkové senzory, LiDAR, mikrofony, hmatové podložky. Tyto běží pomaleji (10–60 Hz), jsou statistické (každý hloubkový pixel má šum, každý odraz LiDARu má škálování odrazivosti) a jsou připojeny k vnímací sběrnici – ethernetu nebo USB do aplikačního procesoru. Pokud jedna selže, robot se zastaví, ale nespadne.

Užitečný mentální model: propriocepce drží robota ve vzpřímené poloze. Exterocepce ho dělá užitečným. Jedno nelze vyměnit za druhé.

IMU – senzor, všechno ostatní visí mimo provoz

Inerciální měřicí jednotka (IMU) je nejdůležitějším senzorem na robotu s nohama. Poskytuje tříosé zrychlení a tříosou úhlovou rychlost (6stupňová IMU) nebo tyto údaje plus magnetometr (9stupňová IMU). Řídicí smyčka je čte na frekvenci 1 kHz nebo vyšší a používá je k odhadu orientace trupu, odvození chyby vyvážení a predikci dalšího půlkroku.

Humanoid z roku 2026 obvykle nese dvě IMU (jednu v trupu, jednu v hlavě) a výkonnější platformy přidávají jednu na každou nohu. Čtvernožci obvykle používají jednu v těle a stav nohou odvozují od krouticího momentu v kloubu, spíše než od setrvačnosti na každou nohu.

BMI088 je skutečně pracant. Byl navržen pro drony a robotiku, gyroskop má jmenovitý rozsah otáčení ±2000 °/s a odolává vibračnímu spektru, které produkuje chodící humanoid. ICM-42688 od TDK je alternativou, která se objevuje v cenově dostupných modelech. VectorNav je krokem nahoru, když skutečně potřebujete výkon na úrovni venkovního řízení, což většina humanoidů určených pro vnitřní použití nemá.

IMU také umožňuje ZUPT (aktualizace nulovou rychlostí) – trik, kdy je během stojné fáze kroku známo, že je noha nehybná, takže můžete tento interval použít k resetování odhadu rychlosti v SLAM pipeline. Bez ZUPT drift v důsledku nulového výpočtu během několika minut ničí VIO a LIO. S ním drift klesá o řád. Robot bez IMU pro každou nohu nebo stopu tuto možnost ztrácí, což je jeden z důvodů, proč špičkoví výzkumní humanoidi umisťují IMU do chodidel.

Past, které se je třeba vyhnout: marketing vzorkovací frekvence. IMU 2 kHz s posunem 5 °/h je mnohem horší než IMU 400 Hz s posunem 0.5 °/h pro jakoukoli úlohu delší než deset sekund. Odečtěte číslo stability posunu, nikoli celkovou frekvenci.

Kloubové kodéry – smysl, který specifikace skrývá

Každý ovládaný kloub má alespoň jeden enkodér. Většina produkčních humanoidů a čtyřnožců používá dva na kloub — absolutní enkodér na výstupní hřídeli (pro bezpečnost a spouštění) a inkrementální enkodér na motoru (pro zpětnou vazbu rychlosti s vysokým rozlišením). Toto uspořádání s dvojitým enkodérem představuje rozdíl mezi výzkumným prototypem a něčím, co můžete nechat běžet přes noc.

Dvě dominantní rodiny:

• Magnetické absolutní enkodéry. AS5048 a nástupci (ams-osram), MT6816, AS5047. 14bitové rozlišení = 16 384 cyklů na otáčku = nativní přesnost 0.022°. Po linearizaci mikrokontroléru je dosažitelná přesnost ~0.05°. Bezkontaktní, bez mechanického opotřebení, odolný nárazům a vibracím. Standard.
• Optické enkodéry. Vyšší rozlišení na horní hranici (20 bitů, ~0.0003°), lepší v čistém průmyslovém prostředí. Mají však skleněný disk, potřebují seřízení a nemají rády vibrační spektrum robotické nohy. Vidíte je v chirurgické a přesné laboratorní robotice, ne v chodících plošinách.

Kompromis je jednoduchý: magnetické enkodéry jsou tou správnou odpovědí pro nohy a většinu paží; optické enkodéry se objevují v zápěstních a prstových kloubech zručných rukou, kde skutečně potřebujete to poslední desetinné místo.

Kalibrační drift je režim selhání, před kterým vás nikdo nevaruje. Kodéry jsou přesné, ale vztahují se k nulovému bodu nastavenému při spuštění nebo uvedení do provozu. Postupem času se mechanický vztah mezi kodérem a kloubem posouvá o desetiny stupně v důsledku tepelných cyklů, harmonického opotřebení ozubeného kola a nárazů. Nasazení v produkci vyžaduje postup opětovného vynulování (obvykle čtvrtletně) a monitorovací prahovou hodnotu, která spustí alarm, když posun nuly kloubu překročí specifikaci. Pokud se toto přeskočí, robot, který byl při instalaci perfektní, začne po šesti měsících padat předměty.

Hloubkové kamery – pracant pro vnímání

Hlavová kamera RGB-D je nejpoužívanějším exteroceptivním senzorem v robotice s nohama v roce 2026. Je dostatečně dobrá pro vyhýbání se překážkám, klasifikaci terénu na vzdálenost jeden až tři metry, detekci úchopu na stole a detekci SLAM na krátkou vzdálenost. Soupeří mezi sebou tři technologie:

Dvě produktové řady, které dominují světu robotů s nohama:

Intel RealSense. Modely D435 a D435i jsou starší standardní modely – zorné pole 87° × 58°, dosah 0.1–10 m, ~2% hloubková chyba ve 2 m, globální závěrka na hloubkových senzorech. Model D435i přidává do kamery integrovanou IMU třídy Bosch BMI055, což zjednodušuje problém synchronizace času. Model D455 zdvojnásobil základní linii na 95 mm, což zdvojnásobilo efektivní dosah (hloubková chyba <2% ve 4 m), a standardně přidal IMU. D457 je robustní model D455 s technologií GMSL2 / FAKRA – stejné zobrazování, konektor automobilové třídy, krytí IP65, navržený pro roboty, kteří skutečně opouštějí laboratoř. Téměř každý výzkumný humanoid v... R01 Dodává se buď s D435i, nebo s D455 na hlavě; D457 je verze určená pro venkovní čtyřnožce.

Orbbec. Čínská alternativa — Femto Bolt, Femto Mega, Gemini 335 / 336 / 2 XL. Femto Mega je zajímavé, protože integruje Jetson Nano přímo ve kameře a používá ToF senzor od Microsoftu (stejný jako v Azure Kinect DK, od doby, kdy Microsoft z tohoto trhu odešel). Gemini 2 XL rozšiřuje použitelnou hloubku na delší straně na 20 m. Modely Orbbec jsou obvykle o 30–50 % levnější než RealSense při ekvivalentních specifikacích a staly se výchozím modelem na platformách čínské výroby, když je důležité riziko dodavatelského řetězce u součástek Intel. Pro čistě vnitřní robotiku jsou ekvivalentní; pro venkovní použití a použití s ​​vysokými vibracemi má ekosystém RealSense stále lepšího autopilota a integraci ROS 2.

Past, která chytá integrátory poprvé: IR rušení více kamer. Umístěte dvě kamery se strukturovaným osvětlením do stejné místnosti proti sobě a obě ztratí hloubku v zóně překrývání. Zmírnění problémů: časový multiplex projektorů (hardwarové spouštění jednoho, zatímco druhý snímá), nebo přechod na čisté stereo (bez aktivního projektoru). To je jeden z důvodů, proč větší skupiny projektorů tíhnou k pasivnímu stereu nebo ToF.

RGB kamery – a proč je typ závěrky důležitější než počet megapixelů

RGB senzor hloubkové kamery je obvykle v pořádku, ale seriózní manipulační sestava přidává samostatnou RGB kameru pro barvy s vysokým rozlišením. Nezřejmá otázka zní... Globální závěrka vs. rolovací závěrka.

Snímač s rolovací závěrkou postupně čte řádky pixelů. Pokud se kamera nebo scéna během čtení pohne, obraz se zkosí – svislá čára se stane diagonálou, rotující kolo se stane banánem. Pro stacionární stolní inspekci je to v pořádku. Pro chodícího humanoida, kde hlava zrychluje laterálně o 5 m/s² v každém kroku, rolovací závěrka ničí shodu prvků, narušuje vizuální odometrii a vytváří nepoužitelný vstup pro VLM.

Pravidlo je jednoduché: Cokoli na pohybujícím se robotu potřebuje globální závěrku. Hloubkové moduly D435i, D455 a D457 jsou všechny s globální závěrkou (barevný senzor je v některých variantách rolovací – přečtěte si datový list). Samostatná RGB kamera s globální závěrkou přidává k sestavě 200–600 EUR. Šetření v tomto ohledu je jednou z nejčastějších a nejškodlivějších chyb ve specifikaci, kterých se dopouštějí začínající konstruktéři robotů.

LiDAR – kdy si na své zaslouží a kdy ne

LiDAR je nejvíce specifikovaný senzor v robotice pro rok 2026. Je skutečně nezbytný u venkovních čtyřnožců, vícemístných platform SLAM a všech jednotek, které potřebují spolehlivě vidět do vzdálenosti větší než 10 m. U vnitřních manipulačních humanoidů, kteří operují v objemu 3 m × 3 m, je to přehnané.

Dvě architektury:

• Rotující mechanický LiDAR. Tradiční konstrukce s otočným zrcadlem. Vyšší cena, vyšší počet kanálů, vyspělejší. Ouster OS0 / OS1 (nyní Rev8 s nativními barvami, 2026), Hesai XT16 / XT32 / QT128. Spřádací jednotky jsou opotřebitelné díly, ale ložiska nyní vydrží více než 30 000 hodin.
• Pevnovláknový / hybridní-pevnovláknový LiDAR. Livoxův hybridní systém s rotujícím zrcadlem (Mid-360, HAP, Avia) a čistě MEMS polovodičový systém. Žádná vnější rotující část, nižší náklady, někdy nerovnoměrné skenovací vzory. Mid-360 se stal výchozím standardem pro roboty s nohama.

Typické senzory ve světě robotů s nohama:

Livox Mid-360 si svou dominanci zaslouží – je malý (méně než 300 g), má nízkou spotřebu (méně než 10 W), má 360° pokrytí dostatečné pro SLAM a za 800 dolarů je dostatečně levný na to, aby se dal přepravovat na psech spotřebitelské úrovně. Pro humanoida, který se pohybuje uvnitř a potřebuje zmapovat budovu, je Mid-360 řešením v 80 % případů.

Když LiDAR skutečně záleží:

• Venkovní nebo vícepokojový SLAM, kde dosah hloubkové kamery (5–8 m) není dostatečný.
• Navigace v dlouhých koridorech, kde musíte od začátku vidět konec chodby.
• Jasné sluneční světlo, kde selhávají hloubkové kamery s infračerveným projektorem a funguje pouze LiDAR nebo pasivní stereo.
• Reflexní / beztexturní prostředí (sklady s malovanými podlahami, skleněnými stěnami), kde stereo ztrácí své funkce.

Když je LiDAR přeprodaný:

• Manipulace s humanoidy v interiéru v pracovním prostoru do 5 m. Dvojice D455 zvládne práci za desetinu nákladů a hmotnosti.
• „Marketingový pes“ demonstrace, které nikdy neopustí zpevněnou plochu. LiDAR je tam proto, aby vypadal seriózně.
• Přeplněné místnosti s bohatou texturou. Stereo je opravdu dost dobré a LiDAR odvádí duplicitní práci.

Pokud na všechny čtyři výše uvedené otázky typu „když na tom záleží“ dokážete odpovědět „ne“, nepotřebujete LiDAR. Ušetřete 800–8 000 dolarů a investujte je do RGB kamery s globální závěrkou a lepší IMU.

Síla/točivý moment na koncovém efektoru – manipulační prvek

V okamžiku, kdy se robot pokusí dělat cokoli jiného než zvedat pevné plastové bloky, se snímání síly/momentu na zápěstí stává úzkým hrdlem. Šestiosý F/T senzor měří tři složky síly a tři složky momentu na kloubu mezi zápěstím a chapadlem/rukou a předává je do regulátoru impedance, který rozhoduje o tom, jak silně tlačit, kdy zastavit a kdy se něco zasekne.

Referenční jednotky pocházejí z Průmyslová automatizace ATI (Mini, Nano, Axia, Mini43LP). Mini43LP je v současnosti ideální volbou pro humanoidní zápěstí – s výškou do 8 mm, 6osými polovodičovými tenzometry, datovými senzory v reálném čase při 8 kHz přes EtherCAT nebo Ethernet. Cena se pohybuje v rozmezí 4 000 až 12 000 dolarů v závislosti na konfiguraci, a proto se většina humanoidů s cenou pod 50 000 dolarů standardně dodává bez snímání F/T. Unitree H1-2 s manipulačními rameny jej podporuje; základna G1 nikoli.

Pokud je vaším úkolem „nést tác s hrnky“, „otevřít dveře ledničky bez utržení kliky“ nebo „podat nástroj člověku“, chcete mít F/T na zápěstí. Pokud je vaším úkolem „zvednout známý předmět ze známého místa“, můžete to zfalšovat pomocí zpětné vazby proudu motoru a vynechat vyhrazený senzor.

Taktilní senzory – skutečná, ale nezralá hranice

Hmatové snímání je technologie, o které se hlasitě mluví v demonstracích humanoidů z roku 2026 a kterou produkční nasazení humanoidů z roku 2026 většinou nepoužívají. Technologie je dostatečně vyzrálá, aby byla užitečná ve výzkumu; ještě nedozrála natolik, aby byla levná, spolehlivá nebo „dodala a zapomněla“.

Dvě relevantní rodiny:

• GelSight / DIGIT. Hmatové senzory na bázi kamery – měkká elastomerová podložka se značkami, osvětlená a zobrazená zespodu malou kamerou. Čte geometrii kontaktu s povrchem v submilimetrovém rozlišení, odvozuje smykovou a normálovou sílu z posunutí značky. Původně výzkum MIT, produkt společnosti GelSight, varianta DIGIT vyvinutá s Meta AI (Digit 360 oznámen koncem roku 2024, smlouvy fáze II SBIR aktivní od roku 2026). Vynikající v jemné geometrii – textura, hrany, detekce skluzu. Cena se pohybuje v rozmezí 1 000–3 000 dolarů za prst plus zátěž zpracování kamerou.
• Kapacitní a piezorezistivní pole. Starší technologie, nižší rozlišení, mnohem levnější. Používá se v některých chapadlech pro hrubý kontaktní signál - ano-ne. Není to vlastně hmatové snímání v moderním slova smyslu.

Co hmatové vjemy ve skutečnosti umožňují humanoidovi:

• Detekce skluzu. Robot cítí, jak se předmět v úchopu prokluzuje, a před jeho pádem zvyšuje sílu. V současném výzkumu se jedná o nejužitečnější hmatový signál.
• Rozlišování objektů na základě textur. Látka vs. kůže vs. kov na dosah ruky.
• Rekonstrukce geometrie. Vytvoření 3D modelu objektu, který ruka zkoumá naslepo.

Co hmatové funkce zatím spolehlivě nedělají:

• Přežijte jeden cyklus myčky v robotu. Měkké gelové vložky se opotřebovávají, prořezávají a je třeba je pravidelně vyměňovat, stejně jako vložky do bot.
• Pracujte bez dedikované grafické karty. Hmatové snímání založené na kameře je počítačové vidění v reálném čase; každý senzor přidává 10–30 % zátěže k systému Jetson AGX.
• Standardizovat. Každá výzkumná skupina má svou vlastní hmatovou příchuť. Zatím neexistuje standardní ROS 2 sdělení pro hmatové vnímání, na kterém by se všichni shodli.

Upřímný názor: hmatové vnímání bude v produkci v letech 2027–2028 důležité. V roce 2026 je umístění GelSight DIGIT na výzkumný humanoid reálnou možností, pokud na to máte rozpočet na výzkum. Objednávání jednoho pro produkční nasazení je předčasné.

Mikrofony, kontakt nohou a zbytek

Několik dalších senzorů doplňuje celou řadu.

Mikrofonní pole. Standardem je 4mikrofonní pole, někdy 6 nebo 8 na prémiových platformách. Plní tři úkoly: detekci probuzených slov (často lokální, nízkopříkonový DSP), odhad směru příchodu signálu pro určení „kdo to řekl“ a tvarování paprsku pro čistý převod řeči na text v hlučné místnosti. DOA je podceňovaná funkce – robot, který otočí hlavu směrem k tomu, kdo s ním mluvil, působí dramaticky viditelněji než ten, který to nedělá. Jednoduché mikrofony jsou vhodné pro stolní asistenty a k ničemu u robota ve výšce 1.5 m v místnosti se třemi lidmi.

Kontakt / tlak nohy. Dvě implementace. Snímače pod chodidlem jsou explicitní verze, používaná na Spot a ANYmal D. Implicitní verze, odvozená od IMU a krouticího momentu, je implicitní verze, používaná na všech platformách Unitree a DeepRobotics – když chodidlo dopadne, krouticí moment nohy se zvýší a IMU chodidla zaznamená náraz a stavový automat chůze z toho odvodí kontakt. Snímače jsou spolehlivější na kluzkých površích, kde je samotný krouticí moment nejednoznačný; odvozená verze je levnější a postačuje pro 90 % práce.

Kodéry kol (pro čtyřnohé hybridy kol a pat). Unitree B2-W a Go2-W přidávají na konci každé nohy poháněné kolo. Každé kolo má svůj vlastní inkrementální enkodér a SLAM kanál spojuje odometrii kola s IMU + LiDAR. Odometrie kola je nejlevnějším vstupem pro odhadování vzdálenosti – pokud je k dispozici, je SLAM řešení stabilnější. Nevýhodou je další režim selhání (kola prokluzují, kola se zanášejí, kola selhávají), a proto varianty s patkou kola vyžadují pečlivější ladění odhadu stavu než jejich chodící sourozenci.

Synchronizace senzorů – neviditelný režim selhání

Věc, která narušuje vnímání robotů více než cokoli jiného a o které téměř nikdo nemluví, dokud ji nenarazí, je synchronizace času mezi senzory.

Problém: hloubková kamera produkuje snímky s frekvencí 30 Hz, IMU běží s frekvencí 1 kHz, LiDAR s frekvencí 10 Hz a společné kodéry s frekvencí 1 kHz. Každý senzor má své vlastní hodiny a vlastní latenci od události k časovému razítku. Pokud se tyto hodiny mění nebo jsou časová razítka nesprávná, fúze senzorů produkuje „odpad“ a nikdo neví proč – robot začne halucinovat překážky nebo se jeho mapa SLAM rozmazává pokaždé, když se otočí.

Tři úrovně opravy, seřazené podle schopností:

1. Softwarový NTP. Levné, dosahuje přesnosti 1–10 ms v kabelové síti LAN. Vhodné pro logování a dohled na vysoké úrovni. Katastrofální pro těsné propojení senzorů na 1 kHz.
2. IEEE 1588 PTP (protokol přesného času). Hardwarově asistované časové razítko v síťové kartě s přesností na submikrosekundy na přepínané ethernetové síti. Toto používají seriózní multisenzorové roboty a vyžaduje to přepínače a senzory s podporou PTP. LiVox LiDARy PTP podporují. RealSense jej podporuje prostřednictvím firmwaru. Většina levných USB hloubkových kamer to nepodporuje.
3. Hardwarová spoušť. Fyzické pulzní vedení, které současně spouští kameru, LiDAR a IMU v režimu vzorkování a uchování. Nanosekundová synchronizace, ale funguje pouze pro senzory s externím spouštěcím vstupem – obvykle u průmyslových kamer a LiDARů, nikoli u spotřebitelských USB jednotek.

Co se porouchá bez synchronizace, podle toho, jak často se to děje:

• Drift VIO se zrychluje když se časová razítka IMU a kamery liší o více než 2–5 ms.
• LIO vytváří stínové překážky když se LiDAR a IMU neshodnou na tom, kde se robot během skenování nacházel.
• Uchopení založené na VLM vybírá špatný bod když hloubkový rám a údaj z kloubovitého kodéru použitý k polohování chapadla pocházejí z různých časových okamžiků.

Pokud integrujete senzory od více než jednoho dodavatele, zeptejte se otázky ohledně PTP včas. Náklady na opravu po instalaci obvykle představují přepracování architektury senzorové sběrnice, nikoli její úpravy.

Výpočet zatížení na senzor – co Jetson vlastně dělá

Moderní Jetson AGX Orin (200 TOPS, 32 GB RAM) na humanoidním stroji toho zvládá víc, než naznačují specifikace. Realistické rozložení zátěže při trvalém provozu:

Sečteme-li to, Jetson má trvalý výkon 60–80 %, s vrcholy, které při běžícím VLM tlačí na plyn. V podstatě nezbývá prostor pro druhý velký model, což je přesně argument architektury. I01: těžké přemýšlení se vytratí, protože Jetson je už plný.

Přidané hmatové snímání zabírá dalších 10–30 % na pár senzorů. Snímání F/T je v podstatě zdarma (na straně CPU, nízká rychlost). Překvapením je LiDAR – předzpracování mračna bodů není levné a LiDAR s vysokou hustotou (Hesai QT128, Ouster OS1 256 kanálů) nasytí Jetson Orin Nano ještě předtím, než se kód pro vnímání vůbec spustí. Hustotu LiDARu přizpůsobte výpočtu, ne marketingu.

---

Toto je součást Kentino Wiki, referenční série o výpočetní technologii s využitím umělé inteligence, robotice a systémech, které je propojují. Komentáře a opravy jsou vítány na adrese info@kentino.com.