当前位置: 首页 > news >正文

XSENS VISION NAVIGATOR助力智能城市自动化清洁机器人精确导航

打造更智能、更清洁的城市自动化清洁机器人项目一直是Autonomics tech为之努力的目标。通过将创新机器人技术与Xsens导航技术相结合,Autonomics tech实现了将自动化清洁机器人全面推向市场的最终愿景。

项目概述

清洁行业面临着巨大的挑战:劳动力短缺,员工流动率高,以及对持续清洁卫生和工作效率的需求不断增加。传统的清洁方法依赖于人力,这占总清洁成本的90%。这使得其既昂贵又难以扩展。

Autonomics tech位于塞浦路斯的机器人公司正在开发解决这些问题的全新方案。他们的自主扫地和地板清洁机器人专为设施管理公司设计,为人工清洁人员提供可靠、可扩展且经济高效的替代方案。他们导航系统的核心是Xsens VISION NAVIGATOR (XVN),以实现在复杂的城市环境中安全精确的完成自主导航。

Autonomics的扫地机器人

自动扫地机器人

紧凑型户外真空清洁机器人,专为大型扫地机无法工作的城市空间而设计。

使用案例:自行车道,公园,步行区,停车区。

性能:清扫面积高达30,000立方米/天,用一台设备取代整个清洁团队。

效率:具有水基灰尘抑制功能的紧凑而强大的吸尘系统,消除了昂贵的消耗品(过滤器、中央扫帚),与传统的机械清扫机相比,五年内节省了15,000美元以上。

续航能力:每次充电自主清洁时间超过5小时。

自主室外清洁的挑战

Xsens VISION NAVIGATOR解决现实世界中精确导航的问题,特别是在如何处理机器人的定向和导航方面。这是因为自主户外清洁是非常困难的,其中原因包含:

开阔区域(公园、停车场、步行区)需要高精度GNSS/RTK定位。

城市区域(建筑物附近、树下、有遮盖的停车场)通常会降低或阻挡GNSS信号,使导航变得不可靠。

混合环境(室内设施+周围室外区域)要求在室内基于SLAM的导航和室外基于GNSS的导航之间无缝切换。

为什么选择Xsens VISION NAVIGATOR (XVN)

对于自主室外清洁来说,导航是一个严峻的挑战:在城市环境中,单靠GNSS不够可靠,而只有视觉的系统在开阔地区导航则很困难。

Xsens VISION NAVIGATOR (XVN)通过以下方式解决这一问题将RTK-GNSS与基于视觉的导航结合在一个集成解决方案中。

对于Autonomics Tech而言,使用GNSS加视觉导航的混合方法至关重要:

城市可靠性:即使GNSS信号因高楼或茂密的树木覆盖而减弱,XVN也能保持精确定位。

开放区域精度:在宽阔开阔的区域,如停车场或自行车道,XVN利用RTK-GNSS来保持机器人的航向。

无缝过渡:Autonomics的清洁机器人可以从室内环境移动到室外区域,XVN可确保平稳切换到GNSS+视觉导航。

客户的一致性:设施管理公司可以在从仓库到公共公园的各种场景中部署机器人,因为它们知道导航将非常可靠。

对于设施管理公司来说,这意味着更少的故障,更低的监管成本,以及在公共区域部署机器人的信心。

正如Autonomics创始人帕维尔·布托夫(Pavel Butov)所说的:

“XVN是市场上唯一结合了GPS RTK和基于视觉的导航的技术。对于户外场景,这是独一无二的,我们的机器人真的需要它。”

通过在如此多样的环境中实现可靠的自主,XVN不仅仅是一个导航工具,因为它使Autonomics的机器人在大规模商业项目中可部署。没有它,清扫组合机器人就无法可靠地实现设施管理公司所需的成本节约、可扩展性和一致性。

展望未来

随着认证的完成和初始部署的进行,Autonomics Tech正在向欧洲扩展,并探索中东市场。展望未来,Autonomics Tech看到了XVN驱动的导航在其他服务机器人中的潜力,从最后一英里交付到精准农业耕作。

“从技术上来说,所有为户外使用而设计的机器人都需要可靠的导航,而这正是Xsens所能提供的。”帕维尔说到。

结论

在Xsens的帮助下,Autonomics Tech正在重塑自动化清洁行业。通过将创新的机器人平台与Xsens Vision Navigator相结合,提供了经济高效、可扩展且可靠的自动化清洁方式。

http://www.dtcms.com/a/365418.html

相关文章:

  • 深度学习三大框架对比评测:PaddlePaddle、PyTorch 与 TensorFlow
  • 【2025ICCV】基于 ​CL-Splats​ 的3D高斯溅射模型
  • 第二家公司虽然用PowerBI ,可能更适合用以前的QuickBI
  • TypeScript 与 Java 重载机制对比
  • WebAppClassLoader(Tomcat)和 LaunchedURLClassLoader(Spring Boot)类加载器详解
  • “路桥养护”--奏响城市交通的安全乐章
  • 前端框架(Vue/React):界面更新的运行链路
  • Kafka Topic(主题)详解
  • 四维轻云:多期地理数据管理的得力助手
  • 14,FreeRTOS二值信号量操作
  • 差分隐私在运营指标:ABP 的 DP 计数器与噪声预算
  • 一文读懂RAG:从生活场景到核心逻辑,AI“查资料答题”原来这么简单
  • Wan2.2AllInOne - Wan2.2极速视频生成模型,4步极速生成 ComfyUI工作流 一键整合包下载
  • Java全栈学习笔记29
  • 关于牙科、挂号、医生类小程序或管理系统项目 项目包含微信小程序和pc端两部分
  • 从一次Crash分析Chromium/360浏览器的悬空指针检测机制:raw_ref与BackupRefPtr揭秘
  • 如何修复“您的连接不是私密连接”警告?
  • sentinel实现控制台与nacos数据双向绑定
  • Android音频学习(十六)——CreateTrack
  • 深度学习——CNN实例手写数字
  • 涉私数据安全与可控匿名化利用机制研究(下)
  • Triton Linalg - WrapFuncBodyWithSingleBlockPass
  • 软件设计师备考-(十) 多媒体基础
  • 两个子进程之间使用命名pipe
  • 如何构建企业级RAG知识库?实战方法、关键细节与平台选型
  • 并发编程——14 线程池参数动态化
  • PyTorch 损失函数与优化器全面指南:从理论到实践
  • 归一化的定义与作用
  • IO进程线程;进程,发送信号;进程,消息队列通信;0903
  • 消息传递模型实现