RTK Technology: The Core of Accurate Positioning for Robot Mowers—But Is That Enough?

Imagina esto: mientras te desplazas a casa desde el trabajo, tu smartphone falla inesperadamente como dispositivo de navegación. ¿Aún puedes encontrar el camino a casa? La tecnología GNSS (Sistema Global de Navegación por Satélite) puede parecer modesta, pero es esencial para localizarnos, navegar y explorar nuestro entorno. Su precisión y conveniencia están arraigadas en nuestra vida diaria.

Inspirado en esto, RTK (Cinemática en Tiempo Real), que se basa en señales de satélites GNSS como su fuente principal de datos de posicionamiento, se ha adoptado ampliamente en cortadoras de césped robóticas. Esta tecnología permite que estas cortadoras logren una precisión a nivel de centímetros, transformando el proceso de cuidado del césped. Sin embargo, ¿pueden los sistemas de posicionamiento RTK de hoy ser tan "inteligentes" como la tecnología GNSS utilizada en los teléfonos inteligentes? ¿Pueden ayudar efectivamente a las cortadoras robóticas a localizar con precisión sus ubicaciones y hacer que el mantenimiento del césped sea más eficiente? Echemos un vistazo más de cerca.

1. ¿Qué tecnologías de posicionamiento efectivas están disponibles para cortacéspedes robóticos?

1.1 Tecnología de Posicionamiento RTK

RTK, o Kinemática en Tiempo Real, es una tecnología de posicionamiento diferencial de fase portadora que puede lograr una precisión a nivel de centímetros, lo que la distingue de otros sistemas de posicionamiento. La razón por la que RTK puede lograr una precisión de posicionamiento en tiempo real a nivel de centímetros radica en tres factores principales:

1.1.1 Utiliza mediciones de fase de portadora como información de distancia, lo que mejora significativamente la precisión en 2 a 3 órdenes de magnitud en comparación con las mediciones de pseudalcance tradicionales.

1.1.2 Al realizar cálculos diferenciales con datos de estaciones base cercanas, se pueden eliminar efectivamente varios errores sistemáticos.

1.1.3 Aunque las mediciones de fase de portadora son altamente precisas, la incertidumbre de la fase inicial puede llevar al problema de "ambigüedad entera", lo que significa no saber cuántos ciclos completos de la onda portadora están incluidos durante la transmisión de la señal. Sin embargo, el algoritmo RTK puede determinar con precisión el número de ciclos completos, lo que le permite lograr una precisión de posicionamiento a nivel de centímetros.

resumen, el posicionamiento diferencial de fase portadora RTK combina observaciones de fase portadora de alta precisión, correcciones diferenciales, resolución de ambigüedad entera y supresión de efectos de multipath para permitir un posicionamiento de alta precisión a nivel de centímetros. Para ilustrar, si la precisión anterior era la longitud de dos Cadillacs, la precisión actual es comparable al tamaño de una uña—excepcionalmente precisa para un patio trasero. En consecuencia, los cortacéspedes robóticos ahora pueden recortar con precisión áreas designadas, similar a los modernos aspiradores robóticos.

Además, las señales diferenciales entre la estación base y el rover se pueden calcular en tiempo real para proporcionar información de corrección, y la transmisión de datos de alta frecuencia (típicamente entre 1 Hz y 20 Hz) permite actualizaciones rápidas en la posición, lo que resulta en que los sistemas RTK tengan un tiempo de respuesta muy rápido y logren una precisión a nivel de milisegundos. Además, la amplia cobertura de las señales diferenciales ayuda a corregir eficazmente los errores causados por efectos de multipath e interferencias ambientales (como edificios y árboles), reduciendo el impacto de las condiciones locales en el proceso de posicionamiento general.

Sin embargo, esto no significa que la tecnología RTK sea infalible. La alta dependencia de los sistemas RTK en las señales de satélite de la estación base y el rover los hace vulnerables a errores de posicionamiento, especialmente en áreas con cobertura insuficiente de la estación base o cuando hay obstrucciones como árboles. Además, la configuración y operación de los sistemas RTK pueden ser bastante complejas, requiriendo conocimientos y habilidades especializadas para la configuración y el mantenimiento, lo que puede obstaculizar la adopción generalizada de esta tecnología.

Sin embargo, esta tecnología sigue siendo el método de posicionamiento más utilizado para los cortacéspedes robóticos, mientras que las empresas tecnológicas continúan explorando opciones de optimización adicionales, como los siguientes métodos.

1.2  VSLAM

Como otra tecnología de posicionamiento ampliamente utilizada, VSLAM (Localización y Mapeo Simultáneos Visuales) está siendo cada vez más explorada por muchas empresas tecnológicas debido a su bajo costo y rápida adaptabilidad a los cambios ambientales.

VSLAM es una técnica que utiliza información visual para la localización ambiental y la construcción de mapas. Integra visión por computadora, robótica y datos de sensores, lo que permite la construcción de mapas en tiempo real mientras determina con precisión su posición en entornos desconocidos. Típicamente, VSLAM emplea varios tipos de cámaras—como cámaras monoculares, estereoscópicas o RGB-D—para capturar datos de imagen del entorno, extrayendo características clave como esquinas y bordes de estas imágenes. Utiliza algoritmos de procesamiento de imágenes, como SIFT y ORB, para emparejar estas características y posteriormente calcula la pose del robot—su posición y orientación en el espacio—lo que le permite construir gradualmente un mapa ambiental en 2D o 3D.

Puede parecer complicado, pero la idea principal es simple: el robot utiliza sus cámaras para observar el entorno mientras se mueve. A medida que navega, recopila datos visuales para crear un mapa preciso en tiempo real de su entorno. Este mapeo permite al robot tomar decisiones informadas sobre sus próximas acciones basadas en la disposición del entorno. Esta tecnología se puede encontrar en varios robots móviles, incluidos drones, aspiradoras robóticas y vehículos autónomos.

Sin embargo, VSLAM tiene sus desventajas. La tecnología requiere un poder computacional sustancial para el procesamiento en tiempo real de grandes conjuntos de datos de imágenes, exigiendo algoritmos eficientes y un fuerte soporte de hardware. A diferencia de la tecnología RTK, VSLAM también es vulnerable a factores ambientales como cambios de iluminación, colores y paisajes. La lluvia, la nieve y el polvo pueden causar inexactitudes en la construcción de mapas, lo que puede obstaculizar la navegación del robot. Además, dado que depende únicamente de las cámaras montadas, su rango operativo es algo limitado.

1.3. Lidar Slam

Lidar SLAM es un método de localización y mapeo en tiempo real que utiliza tecnología de radar láser. Puede producir mapas 2D o 3D en tiempo real, que generalmente se representan como nubes de puntos tridimensionales o modelos de malla. Es posible que haya notado que este método es similar a VSLAM, ya que ambos implican el mapeo del entorno. Sin embargo, a diferencia de VSLAM, donde el robot utiliza cámaras para capturar el entorno circundante, Lidar SLAM opera en base a un sensor Lidar montado en el robot. Los sensores Lidar miden distancias emitiendo pulsos láser y recibiendo las señales reflejadas, generando datos de nube de puntos de alta precisión del entorno.

A medida que el robot se mueve a través de su entorno, captura continuamente datos de nubes de puntos de cada escaneo para crear un mapa del entorno actual, ayudando así al robot a lograr una mejor localización.

comparación con VSLAM, Lidar SLAM ofrece datos ambientales de mayor resolución, especialmente en entornos complejos como calles de la ciudad y ambientes interiores, donde logra una mayor precisión que los sensores de cámara utilizados en VSLAM. Además, dado que Lidar utiliza láseres para la medición de distancias, no se ve afectado por las condiciones de iluminación, funcionando de manera confiable tanto en entornos oscuros como en entornos extremadamente brillantes. En resumen, Lidar SLAM sobresale en capacidades de localización y demuestra una fuerte resistencia a la interferencia ambiental.

Entonces, ¿cuáles son las desventajas? Bueno, se reduce principalmente a los costos. Las grandes cantidades de datos del sensor Lidar requieren un poder de procesamiento y recursos significativos, lo que puede complicar el desarrollo de software y aumentar los costos. En comparación, VSLAM generalmente se basa en algoritmos visuales establecidos, y la abundancia de sensores visuales proporciona muchas opciones de software de código abierto. Debido a esto, un sistema Lidar SLAM—incluido el sensor Lidar, las unidades de computación y el software—puede ser varias veces o muchas veces más caro que una configuración VSLAM. Por lo tanto, VSLAM suele ser más accesible para los fabricantes y los usuarios cotidianos.

1.4. UWB

El posicionamiento UWB (Ultra-Wideband) es una tecnología que utiliza señales de frecuencia ultra-ancha para el posicionamiento relativo y la medición de distancias. Se aplica principalmente en escenarios de posicionamiento en interiores, logrando una precisión de posicionamiento de sub-metro o nivel de centímetro. UWB tiene fuertes capacidades de penetración, pasando efectivamente a través de paredes y otros obstáculos mientras mantiene un buen rendimiento en entornos interiores complejos, como el seguimiento de activos, la localización de personal y la navegación. Una característica particularmente notable de UWB es su capacidad para soportar el posicionamiento y la comunicación de múltiples dispositivos simultáneamente. Gracias a estas ventajas, UWB también ha comenzado a utilizarse en cortacéspedes robóticos al aire libre.

Sin embargo, su rango de comunicación efectivo es típicamente bastante corto, generalmente entre decenas y cien metros. Esta limitación puede requerir el despliegue de estaciones base adicionales o equipos de retransmisión para áreas de césped más grandes, lo que podría ser restrictivo. Además, el posicionamiento UWB requiere el despliegue de múltiples estaciones base o dispositivos ancla dentro del área monitoreada para lograr un posicionamiento preciso, lo que añade complejidad y costo a la configuración y mantenimiento. En resumen, aunque puede ser efectivo en interiores, hay numerosas limitaciones cuando se utiliza en exteriores.

este punto, podrías sentirte un poco confundido: ¿parece que ninguna de estas soluciones es realmente confiable?

2. ¿Existe una solución de tecnología de posicionamiento óptima para cortacéspedes robóticos?

A través del análisis de las ventajas y desventajas de las diversas tecnologías de posicionamiento populares mencionadas anteriormente, está claro que cada tecnología tiene sus inconvenientes. Como resultado, algunas empresas de robótica de corte de césped eligen combinar múltiples tecnologías para lograr la mejor solución. Entre las opciones discutidas, la tecnología RTK sin duda juega un papel central debido a sus ventajas más significativas y menos inconvenientes. Simplemente necesitamos construir sobre esta base e incorporar otras tecnologías para maximizar las capacidades de posicionamiento de los cortacéspedes robóticos.

2.1. RTK + UWB? No óptimo

Primero, consideremos si combinar RTK y UWB puede resolver los problemas. Con RTK, siempre que se aborden los problemas de cobertura de la estación base para recibir señales GNSS y la interferencia de señales, las capacidades de posicionamiento de RTK no deberían estar en duda. El problema de la estación base es manejable; siempre que haya suficientes satélites GNSS disponibles en el área, podemos establecer un número suficiente de estaciones base según las necesidades del cortacésped para abordar posibles problemas de cobertura de señal en grandes áreas de césped. Pero, ¿puede UWB manejar el problema de interferencia de señales? Eso es un poco incierto.

segundo lugar, el posicionamiento UWB requiere que se desplieguen múltiples estaciones base o puntos de anclaje dentro del área de operación para lograr un posicionamiento preciso. Esto podría implicar altos costos de instalación y tiempo en grandes áreas de césped o entornos complejos, lo que explica por qué es más adecuado para el posicionamiento en interiores. En segundo lugar, aunque las señales UWB tienen un cierto grado de capacidad de penetración, aún pueden ser obstruidas o atenuadas en ciertas situaciones (como vegetación densa o edificios), afectando el rendimiento del posicionamiento.

2.2.  ¿RTK + Láser? Demasiado caro

¿Qué sucede cuando la tecnología de posicionamiento RTK se combina con la tecnología de posicionamiento láser? De discusiones anteriores, sabemos que el posicionamiento RTK ofrece una precisión a nivel de centímetros. Tecnologías maduras como Lidar SLAM también tienen una excelente precisión y resistencia a la interferencia, lo que significa que su combinación podría lograr potencialmente una precisión de posicionamiento donde 1 + 1 > 2. Sin embargo, los costos técnicos y de mantenimiento asociados con tales resultados son prohibitivamente altos, lo que hace que sea casi imposible para el consumidor promedio permitírselo. Por lo tanto, tendremos que esperar por ahora.

2.3.  ¿RTK + VSLAM? ¡Sí!

Entonces, ¿puede la combinación de RTK y VSLAM crear un sistema de posicionamiento de fusión visual que finalmente resuelva el problema? Desde una perspectiva técnica, VSLAM aborda la interferencia de señal inevitable de RTK causada por obstáculos en el camino del robot, ya que puede construir continuamente un mapa para ayudar a la máquina en la evitación de obstáculos, reduciendo así la interferencia de señal. Desde una perspectiva de costos, VSLAM utiliza algoritmos visuales maduros que han sido ampliamente adoptados en varios sectores, lo que reduce significativamente los costos. ¡Por lo tanto, ambos problemas se resuelven! Mientras tanto, RTK puede mitigar eficazmente las deficiencias de la tecnología VSLAM, protegiendo contra la posible interferencia ambiental causada por la lluvia, la nieve o el polvo, maximizando así los resultados de posicionamiento logrados por su combinación.

Podemos tomar el EFLS 2.0 utilizado en el Cortacésped robótico Navimow como un ejemplo para examinar específicamente la aplicación de esta tecnología.

EFLS, o Sistema de Localización de Fusión Exacta, requiere un mínimo de 10 satélites para un funcionamiento estable. Combina la posicionamiento por satélite con señales de múltiples sensores para calcular la posición en tiempo real del cortacésped robótico, logrando una precisión a nivel de centímetros. Las señales de satélite para EFLS se obtienen de la posicionamiento RTK, con el cortacésped robótico Navimow y una antena recibiendo estas señales. La estación de carga facilita la transferencia de señales de la antena al cortacésped, permitiendo cálculos sincrónicos que reducen los errores de posicionamiento.

Sin embargo, las señales de satélite pueden ser obstruidas durante condiciones climáticas adversas, como lluvia o nieve. Para mantener una posición precisa en tales situaciones, se integran hitos visuales en el sistema. En áreas con mala cobertura de satélite, la cámara interviene para proporcionar al robot una posición más confiable. El proceso de mapeo visual consta de tres pasos clave:

Paso 1: Recolección de Datos Visuales

Durante su mapeo inicial y el primer ciclo completo de corte, la cortadora recoge datos visuales.

Paso 2: Optimización del Mapa Visual Al regresar a la estación de carga, el cortacésped optimiza automáticamente el mapa visual. Esta optimización toma varias horas y se pausará si el cortacésped sale de la estación.

Paso 3: Localización Visual

Cuando las señales RTK son débiles durante las operaciones de corte, el cortacésped robot compara características visuales en tiempo real con los datos del mapa visual para calcular su ubicación, asegurando un corte ininterrumpido.

Además, con la ayuda de Visionfence, el robot puede responder rápidamente a los obstáculos frente a él en poco tiempo, asegurando un proceso de corte eficiente.

Ahora, disfrutemos de la eficiencia mejorada y la excepcional experiencia de mantenimiento del césped que ofrece la combinación de ambas tecnologías RTK en el cortacésped robótico Navimow.