Автономный ровер: от идеи до испытаний
Проект ровера с реальной архитектурой, расчётами, алгоритмом A*, безопасной остановкой и воспроизводимыми программными испытаниями. Почему колёсам нельзя верить на слово.
Автономный ровер — не машина, которая всегда знает дорогу. Это машина, которая умеет отличить достаточные основания продолжать движение от опасной неопределённости. Путь к автономности начинается с модели отказов, а не с камеры и красивой обложки.
Колесо повернулось — но проехал ли робот хоть сантиметр?
Представим небольшую машину на песчаном участке. По телеметрии всё отлично: энкодеры насчитали обороты, программа умножила их на длину окружности колеса и нарисовала пройденный путь. На земле — борозда, потому что колёса скользили и корпус почти не двигался. Одно физическое событие породило две несовместимые версии реальности. С этого, а не с выбора микроконтроллера, начинается проект автономного ровера.
Для NASA проскальзывание колёс — не мелкая неприятность. Инженеры JPL описывают, как Curiosity сверяет перемещение с изображениями местности: визуальная одометрия позволяет обнаруживать расхождение между ожидаемым и фактическим движением. Perseverance пошёл дальше, сопоставляя панорамы с орбитальными снимками для коррекции положения. Этот пример важен не масштабом аппаратуры, а характером задачи: датчик не сообщает истину, он даёт наблюдение с ограничениями.
Ниже мы проектируем доступный исследовательский прототип и проверяем часть его программной логики на сервере SEBERD. Полноценного физического ровера в распоряжении редакции пока нет. Поэтому расчётные параметры называем расчётными, выводы программного теста — программными, а результаты реальных заездов не выдумываем. Такая честность полезнее эффектной истории о якобы пройденных километрах.
Техническое задание, которое можно опровергнуть испытанием
Поставим задачу так: небольшой наземный аппарат должен получить цель в пределах ограждённой площадки, обнаружить неподвижное препятствие, перестроить маршрут и остановиться, если перестали поступать свежие данные о пространстве перед ним. Первый участок — ровное твёрдое покрытие, без лестниц, людей, животных и общественного движения. Неровный грунт будет отдельной фазой после проверки базовой механики.
Предельную скорость для учебной модели зададим 0,35 м/с. Это выбранный параметр проектирования, а не доказанная безопасная скорость. Сама безопасность зависит от массы, сцепления колёс, задержек обработки, тормозного момента, состояния аккумулятора и доступной зоны остановки. На реальном полигоне скорость разрешается только после измерения этих величин.
Успешная навигация — достижение точки назначения без касаний и ручного вмешательства. Безопасный отказ — остановка тяги, когда выполнить задачу с известными ограничениями невозможно. Аппарат может не закончить маршрут, но выполнить задачу безопасности. Это не следует скрывать за общим показателем «успешных заездов».
Какое шасси выбрать: шестиколёсный миф
Ровер хочется сразу сделать шестиколёсным, высоким и внушительным. Но число колёс не заменяет геометрию подвески. Шесть жёстко закреплённых колёс на неровной поверхности способны разгрузить одно колесо и перегрузить другое. Каждый дополнительный привод усложняет питание, диагностику и движение при отказе. Для первого проверяемого образца разумнее четырёхколёсная платформа с дифференциальным управлением бортами.
Выберем два мотор-редуктора с энкодерами: один вращает колёса слева, другой — справа через подходящую передачу. Пусть радиус колеса для расчёта равен 0,065 м, расстояние между бортами — 0,30 м. При одинаковой скорости бортов машина движется прямо; при различной — поворачивает. При противоположных скоростях может почти разворачиваться на месте, однако на цепком покрытии такой манёвр вызывает значительное боковое скольжение и повышает нагрузку на привод.
Первая механическая проверка не в том, как красиво выглядит корпус. Нужно измерить массу, клиренс, радиус разворота, ток при старте и торможении, а затем убедиться, что шины не задевают раму. Для бездорожья потребуется подвеска, отдельная оценка уклонов и устойчивости против опрокидывания. Добавить шестое колесо после этих измерений проще, чем объяснять ошибки сложного шасси без базовых данных.
Два мозга и одна кнопка, которой они оба подчиняются
Высокоуровневая часть может работать на одноплатном компьютере под Linux: здесь принимают лидарные сканы, оценивают положение, строят карту и рассчитывают маршрут. Микроконтроллер, например из семейства ESP32, ведёт низкоуровневое управление: считает импульсы энкодеров, обновляет команды драйвера и следит за сроком их действия. Названия платформ здесь обозначают классы компонентов. Выбор конкретных плат и драйверов требует сверить напряжения, уровни логики, токи и документацию.
В рабочей цепочке всё выглядит так: лидар и инерциальный модуль → оценка состояния → локальная карта препятствий → планировщик → ограничение скорости и защитный фильтр → микроконтроллер → моторные драйверы. Обратно от колёс приходят импульсы энкодеров, а от питания — напряжение и ток. Отдельно, минуя Python, должен действовать аппаратный путь аварийного прекращения тяги. Физическая кнопка и выбранный способ отключения моторов должны соответствовать оценке риска.
Почему нельзя поручить всё Linux? Планировщик может зависнуть, процесс может быть вытеснен, накопитель — временно перестать отвечать, сеть — потерять пакет. Если драйвер сохраняет последний ШИМ, робот продолжит ехать по давно устаревшему приказу. Поэтому команда должна иметь срок жизни. Если новая действительная команда не поступила, низкоуровневый контроллер снимает разрешение движения. Это не замена аппаратного аварийного останова, а дополнительный барьер.
Силовую проводку нельзя выбирать по среднему показанию датчика тока. Пуск и заклинивание колеса создают существенно более тяжёлые режимы. Нужны подходящие предохранители, кабели, защита питания вычислителя от провалов напряжения и совместимый с химией аккумулятора контроллер батареи. Здесь привлекательнее скучная схема с проверенными режимами, чем внезапный перезапуск компьютера в середине поворота.
Батарея: 120 ватт-часов не равны двум часам езды
Предположим номинальный аккумулятор 12 В и 10 А·ч: произведение даёт 120 Вт·ч. Но оно не обещает полную отдачу энергии при любой температуре и токе. Если для иллюстрации считать полезными 70% номинальной энергии, получится 84 Вт·ч. При условной средней нагрузке всего аппарата 35 Вт оценка автономности составляет 84 / 35 = 2,4 часа. Все три числа — допущения расчёта, не измерения конкретной машины.
Для действительной оценки нужно отдельно измерить компьютер, датчики, холостой ход моторов, движение по покрытию, разворот и работу на повышенной нагрузке. Затем посмотреть на реальный профиль потребления, а не на одну красивую среднюю цифру. Важны также допустимый ток драйвера, кратковременные пики, сечение проводов, охлаждение и настройки отсечки батареи.
Если робот выключает мозг каждый раз при старте двигателя, проблема может быть не в коде управления. Общий источник питания просел под моторной нагрузкой. Отдельные преобразователи, корректные соединения земель и защита от электромагнитных помех становятся частью навигации: без стабильного питания самая умная карта бесполезна.
Одометрия и три разные версии координат
У дифференциальной платформы пройденные бортами расстояния ΔsL и ΔsR дают приблизительное перемещение центра Δs = (ΔsR + ΔsL)/2 и поворот Δθ = (ΔsR − ΔsL)/b, где b — ширина колеи между опорными линиями бортов. Для малого шага можно вычислить Δx = Δs·cos(θ + Δθ/2) и Δy = Δs·sin(θ + Δθ/2). Это модель без существенного проскальзывания, люфтов и деформации шин; на песке её ошибки могут быстро нарастать.
IMU добавляет сведения об ускорении и вращении, но сама тоже шумит, испытывает влияние вибраций и даёт дрейф при интегрировании. Камера или лидар могут сопоставлять новое наблюдение с прежним и корректировать оценку положения, если в окружении достаточно различимых ориентиров. Объединение сигналов имеет смысл только вместе с оценкой неопределённости. Слишком уверенная неправильная координата опаснее честного сообщения «я не знаю».
В ROS стандарт REP 105 разделяет системы map, odom и base_link. Odom должна быть непрерывной, но допускает накопление дрейфа; map может корректироваться после локализации, иногда скачком; base_link привязана к корпусу. Перепутать map с odom — значит заставить контроллер реагировать на скачок вычисленной координаты как на резкое физическое перемещение.
На площадке это проверяется внешней разметкой: отмечают известное расстояние, записывают импульсы энкодеров, повторяют на разных покрытиях и сравнивают оценённую траекторию с фактической. До таких измерений мы не знаем реальную точность одометрии проекта и не должны выдавать геометрию колёс за доказанную точность положения.
Почему плоский лидар не спасает от ямы
Двумерный лидар измеряет расстояния в плоскости сканирования. Он может уверенно видеть коробку высотой по лучу и при этом не заметить яму ниже него, низкий бордюр, край лестницы или опасный уклон под машиной. Добавление глубинной камеры и датчиков, направленных вниз, расширит видимую геометрию, но породит новые ограничения освещения, отражающих поверхностей и калибровки.
Поэтому первая площадка не содержит перепадов высоты. Для задачи движения по неровному рельефу нужны как минимум оценка высоты и уклона, клиренса и сцепления; это другая модель планирования. Плоская карта, даже идеальная, не сообщит, выдержит ли поверхность машину и не оторвётся ли колесо от грунта.
Неизвестная область не должна автоматически считаться свободной. Старый скан не становится новой информацией оттого, что на экране по-прежнему видны точки. В первой версии отсутствие своевременного измерения трактуется как причина остановиться. Полноценная навигация по незнакомому рельефу будет возможна лишь после пересмотра сенсорной архитектуры.
Прокладка маршрута: машина — не математическая точка
На сетке можно нарисовать путь между препятствиями шириной в одну клетку. Но ровер занимает площадь и не умеет мгновенно повернуться в любой точке. Поэтому перед планированием запрещённые области расширяют на размер корпуса и запас локализации. Такой приём позволяет искать траекторию центра платформы без проходов, в которые сам корпус не поместится. Реальный планировщик должен дополнительно учитывать кинематику, ориентацию и радиус поворота.
Для изолированной модели зададим карту 12×10 клеток с шагом 0,25 м, несколько препятствий и пояс запрета в одну клетку вокруг них. Алгоритм A* с манхэттенской эвристикой находит кратчайший маршрут по четырём направлениям. Никаких ROS-узлов или двигателей здесь нет — только прозрачная модель, которую можно повторить на Python 3.
В Navigation2 существует двумерная карта стоимости с несколькими слоями, в том числе препятствий и расстояния до них. Отдельный планировщик ищет маршрут, контроллер ведёт робота по нему, а защитные компоненты могут изменить разрешённую скорость или остановить платформу. Важно не спутать генерацию красивой траектории с доказательством безопасного движения.
Работающий Python: поиск пути и защитный фильтр
Ниже полный учебный скрипт на стандартной библиотеке Python 3. Он находит маршрут, затем проверяет свежесть скана, связь с оператором, время последней команды и расстояние перед машиной. Код не подключается к железу; GO — решение программной модели, которое само по себе не разрешает подавать питание на мотор.
Условную дистанцию торможения считаем как d = v·τ + v²/(2a) + m. Для демонстрации τ = 0,15 с, a = 0,50 м/с², запас m = 0,15 м. При v = 0,35 м/с это 0,325 м. На реальном покрытии замедление и задержку надо измерить, а не переносить эти числа без проверки.
Скрипт запущен на сервере SEBERD: найден путь длиной 15 переходов, или 3,75 м по сетке; обычный сценарий дал GO, а препятствие в 0,20 м, пропавшая связь с оператором, устаревший лидар и отсутствие расстояния дали STOP. Это подтверждает только реакцию программной модели на заданные входы, а не реальную тормозную характеристику или возможность физического проезда.
#!/usr/bin/env python3
"""Учебная дискретная модель маршрута и защитного допуска, не ПО управления мотором."""
from dataclasses import dataclass
from heapq import heappush, heappop
from math import inf
WIDTH, HEIGHT = 12, 10
OBSTACLES = {(5, 4), (5, 5), (6, 4)}
START, GOAL = (1, 1), (10, 7)
def inflated(blocked, radius=1):
return {(x+dx, y+dy) for (x, y) in blocked
for dx in range(-radius, radius+1)
for dy in range(-radius, radius+1)
if 0 <= x+dx < WIDTH and 0 <= y+dy < HEIGHT}
def route(start, goal, blocked):
prohibited = inflated(blocked)
if start in prohibited or goal in prohibited:
return None
q = [(0, 0, start)]
dist = {start: 0}
prev = {}
while q:
_, g, node = heappop(q)
if g != dist.get(node):
continue
if node == goal:
path = [node]
while node in prev:
node = prev[node]
path.append(node)
return list(reversed(path))
x, y = node
for next_node in ((x+1,y),(x-1,y),(x,y+1),(x,y-1)):
nx, ny = next_node
if not (0 <= nx < WIDTH and 0 <= ny < HEIGHT):
continue
if next_node in prohibited:
continue
new_g = g + 1
if new_g < dist.get(next_node, inf):
dist[next_node] = new_g
prev[next_node] = node
heuristic = abs(nx-goal[0]) + abs(ny-goal[1])
heappush(q, (new_g + heuristic, new_g, next_node))
return None
@dataclass(frozen=True)
class Telemetry:
now: float
last_scan: float
last_operator: float
last_command: float
front_m: float | None
def safety_gate(v: float, t: Telemetry):
"""Fail-closed на пропуск данных; пороги — настройки демонстрации."""
if not (0 <= v <= 0.35):
return "STOP: скорость вне допустимого диапазона"
for stamp in (t.last_scan, t.last_operator, t.last_command):
if stamp > t.now:
return "STOP: неправильное время"
if t.now - t.last_scan > 0.25:
return "STOP: устарел скан"
if t.now - t.last_operator > 0.50:
return "STOP: потеряна связь с оператором"
if t.now - t.last_command > 0.20:
return "STOP: пропала команда движения"
if t.front_m is None or not (0 < t.front_m < 20):
return "STOP: недействительное расстояние"
stop_distance = v * 0.15 + v * v / (2 * 0.50) + 0.15
if t.front_m <= stop_distance:
return "STOP: препятствие в зоне торможения"
return "GO: движение разрешено"
def demo():
path = route(START, GOAL, OBSTACLES)
assert path and all(p not in inflated(OBSTACLES) for p in path)
print("path_cells:", len(path), "length_m:", round((len(path)-1)*0.25, 2))
good = Telemetry(10.0, 9.9, 9.9, 9.9, 1.0)
print("normal:", safety_gate(0.35, good))
print("obstacle:", safety_gate(0.35, Telemetry(10, 9.9, 9.9, 9.9, 0.20)))
print("lost_operator:", safety_gate(0.35, Telemetry(10, 9.9, 9.0, 9.9, 1.0)))
print("stale_lidar:", safety_gate(0.35, Telemetry(10, 9.6, 9.9, 9.9, 1.0)))
print("missing_scan:", safety_gate(0.35, Telemetry(10, 9.9, 9.9, 9.9, None)))
if __name__ == "__main__":
demo()
Чего не должен делать watchdog
Пусть компьютер выдал команду ехать, а потом процесс завис. Если контроллер двигателей не следит за временем жизни команды, ровер продолжит движение. Низкоуровневый watchdog нужен именно для этой границы: команда устарела — тяга снимается. Отдельный аппаратный аварийный контур должен сработать независимо от основного компьютера, но способы реализации выбирают по реальной опасности устройства.
Нужно различать потерю радиосвязи с оператором и потерю команд от вычислителя к приводу. Во взрослой автономной миссии радио может исчезнуть без остановки, если предусмотрен безопасный режим продолжения. В нашем начальном проекте радиоканал обязателен, поэтому его потеря вызывает STOP. Для внутренней связи с приводом устаревшие команды недопустимы при любом выбранном режиме.
Nav2 Collision Monitor — полезный программный уровень, способный обрабатывать сенсорные данные вне обычного планировщика и ограничивать движение. Но сами разработчики отделяют его от сертифицированных аппаратных систем защиты. Одной программной нодой нельзя заменить физический аварийный останов.
Порядок испытаний: сначала отказ, затем красивая поездка
Первый уровень — чистый Python: заранее известная карта, препятствие, пустое измерение, старый скан, пропущенная команда. Второй — вывешенная платформа без контакта колёс с поверхностью: проверить направление моторов, энкодеры, watchdog и отключение питания. Третий — медленный выезд по ограждённой ровной площадке, где рядом есть наблюдатель с доступом к аппаратному останову. Четвёртый — добавление видимых датчиком объектов и сравнение маршрута с фактическим положением.
Необходим журнал каждого заезда: конфигурация, прошивки, время, температура, напряжение, ток, карта, начальная и конечная координаты по внешней разметке, все события STOP, срабатывание аппаратного останова и вмешательства человека. Если датчик был отключён в одном опыте, а пороги изменены в другом, результаты нельзя складывать в одну статистику надёжности.
Проверяют не только достижения цели. Искусственно теряют пакеты, останавливают поток сканов, подают недействительное расстояние, создают нагрузку на привод и изучают реакцию на падение напряжения. Для настоящего железа вводят критерии максимального времени отключения тяги и допустимой дистанции остановки, измеряют их по независимой записи и повторяют при разных состояниях батареи.
В этой публикации нет результатов полевых заездов, измеренного тормозного пути, рекорда дальности или подтверждённого времени батареи. Есть инженерная спецификация и воспроизводимый программный тест. Реальное испытание должно либо подтвердить допущения, либо дать повод переделать конструкцию; готовый сюжет заранее не пишут.
Почему автономность начинается с права остановиться
Программный тест показал лишь узкий, но важный факт: заранее определённые отказы привели к запрету движения в дискретной модели. Он не доказывает правильности датчика, электрики, механики или оценки состояния на грунте. Даже безупречный алгоритм A* ничего не скажет о провалившемся в яму колесе.
Соблазн конструировать робота как исполнителя бесконечных команд велик: ему дают цель, а затем требуют добраться любой ценой. Но в реальном мире датчики имеют возраст, поверхности меняются, источник питания устаёт, модель движения врёт. Отказ от движения при недостатке достоверных сведений — не поражение ИИ, а необходимое инженерное поведение.
Поэтому главный вопрос к роверному проекту звучит не «сколько метров он проехал сам?», а «какие факты должны оставаться истинными каждую миллисекунду, пока он едет?» Ответ на него превращает набор моторчиков в систему, которой однажды можно будет доверить незнакомый маршрут.