以先進的 IMU 和感測器融合，提高自主機器人定位精密度

慣性量測單元 (IMU) 是各種移動系統的基礎，包括工業機器人、人形機器人、無人機 (UAV) 和沈浸式混合實境系統等。儘管這些系統的實際需求會因應用而異，但設計人員都會面臨相同的挑戰，即針對自主移動機器人 (AMR) 的一般應用提供更準確、即時的方向，以及動作資料。

本文簡要探討 AMR 定位的獨特難題。接著介紹 Analog Devices 的先進 IMU，並展示如何用以因應在室內、全球定位系統 (GPS) 訊號缺乏環境中的挑戰，同時從更廣泛的跨領域用途中汲取經驗。

定位對 AMR 開發人員而言為何是一大挑戰？

AMR 是智慧工廠和倉庫生產力的中心，有助於簡化物料流、減少浪費並提高利用率。確保設施內的準確定位是成功的要素。在專門建造的設施中，可以由適當放置的基準點 (參考標記) 或最佳化佈局來緩解 AMR 定位挑戰，但大多數 AMR 都在傳統設施中運作。傳統設施有不同的照明、反射面、複雜的幾何形狀，都會讓定位難度更高。

此外，傳統設施亦缺乏一致的基礎建設，如標準化的走道寬度或可預測的地板標記，這都會讓機器人面臨更複雜的導航和地圖繪製任務。

導航環境的本質形成兩個重大作業挑戰。¹

• 首先，機器人必須執行有效的路徑規劃，依據當前條件判定在環境中的最佳路線。
• 其次，必須執行精準的定位，在移動時持續即時更新自身的位置和方向。

在缺乏 GPS 訊號的室內環境中，這兩個目標必須完全透過機載感測能力和運算資源來達成。

AMR 混合多感測器模式，可應對這些挑戰。視覺感知系統可提供豐富的環境資料，包括攝影機、光偵測和光達 (LiDAR)，以及雷達。里程計系統 (如輪編碼器和 IMU) 直接由機器人的移動追蹤動作。每種感測器類型都有其獨特的優勢：有些擅長遠距離偵測，有些則擅長精準偵測，但每種感測器都有其限制。採用智慧的方式加以組合，AMR 可以在動態、不可預測的條件下，達到保持準確度所需的冗餘和覆蓋範圍。

IMU 測量用途及其重要性

IMU 整合微機電系統 (MEMS) 感測器，用以測量三維加速度和角速度。三軸加速度計測量沿著 x、y，以及相對於地球引力 z 軸的動作，擷取靜態力 (如傾斜) 和動態力 (如移動過程中的加速度) (圖 1)。

圖 1：三軸加速度計測量 x、y、z 軸上的加速度，提供動態動作資料和靜態重力參考。(圖片來源：Analog Devices)

三軸陀螺儀測量每個軸的角速度 (ωx、ωy、ωz) (圖 2)，能讓機器人追蹤方向變化。

圖 2：三軸陀螺儀測量各軸的角速度，促使精準追蹤方向變化。(圖片來源：Analog Devices)

MEMS 結構是現代 IMU 中加速度計和陀螺儀的核心，在受到加速度或旋轉時會偏轉或振動，造成電容或振動頻率變化，然後轉換成電訊號。採用 MEMS 的 IMU 的優勢在於其體積小、功耗低、測量率高，因此適合整合到移動平台中。

有些 IMU 還納入附加感測器，可擴充其功能。高效能磁力計提供磁場測量，有助於在高挑戰性的環境中進行方向估算；儘管磁力計更常見於傳統 IMU 中。整合式溫度感測器可對加速度計和陀螺儀資料進行熱補償。此外，還可以納入氣壓計，測量大氣壓力和估算高度。

除了感測器陣列之外，先進的 IMU 亦整合廣泛的數據採集訊號鏈，進行類比數位轉換、初步有限脈衝回應濾波，以及原廠校準，以修正感測器偏差和軸錯位 (圖 3)。這些裝置通常允許從 IMU 的內部座標系進行旋轉 (dƟ)，以匹配機器人的框架再輸出，減少對主處理器的運算負載。

圖 3：先進 IMU 的功能方塊圖，圖中顯示一個全面的感測器訊號鏈，將感測、校準、補償、濾波功能整合到單一緊湊裝置中。(圖片來源：Analog Devices)

在其他感測器效力不佳時，IMU 如何增強定位能力

不同的實體環境有其獨特特徵，會影響單一感測器模式的作用。為了突破不同感測系統的侷限，典型的 AMR 依賴多樣化的感測器堆疊，包括視覺感測器、飛時測距 (ToF) 系統、光達、雷達、輪編碼器，以及 IMU (圖 4)。

圖 4：AMR 的感測器堆疊通常結合視覺感測器、IMU 、輪編碼器，以提供互補的定位資訊。(圖片來源：Analog Devices)

舉例而言，在缺乏特徵的走廊中 (圖 5)，延伸的壁面缺少視覺同步定位和地圖構建 (SLAM) 演算法所需的獨特元素，無法將幀與儲存的地圖進行匹配。若無獨特的視覺提示，機器人的姿態估算可能會快速變動，導致 AMR 失去其定位。在這種情況下，儘管失去視覺里程計，IMU 提供的航向和方向資訊仍可以維持機器人導航。

圖 5：在狹長、無特徵的走廊中，如果缺少 IMU 提供的航向和方向資訊，機器人視覺里程計可能會很快失效，導致 AMR 迷失定位。(圖片來源：Analog Devices)

在大型開放空間中 (如 50 m × 50 m 的倉庫)，許多視覺特徵超出光達的有效範圍 (圖 6)，光達的最大探測範圍通常為 10 m 至 15 m。間隔均勻的貨架或儲物架，由於在多個位置具有相似的外觀，因此可能會混淆視覺里程計。在這種情況下，結合 IMU 測量和輪編碼器資料，可讓機器人保持區域姿態估算。

圖 6：在大型開放區域中，由於感測器偵測範圍受限且缺乏可區分的視覺特徵，因此視覺感知效果較差，可由 IMU 測量和輪里程計維持定位。(圖片來源：Analog Devices)

傾斜的表面帶來另一項挑戰 (圖 7)。標準二維光達擷取平面上的點；因此，斜坡可能會看起來像是垂直障礙物。錯誤的判讀可能會擾亂導航或使得機器人避開可通行的路徑。這種情況下，可由 IMU 的俯仰和滾動資料提供梯度資訊來避免光達誤判，讓 SLAM 演算法解決梯度問題，以區分可穿越的斜坡和真正的障礙物。

圖 7：IMU 俯仰和滾動讀數可以確定斜坡的梯度，修正 2D SLAM 的誤判並達到安全的 AMR 導航。(圖片來源：Analog Devices)

環境因素也會降低不同感測器模式的定位效能 (表 1)。光線不足、動態環境、反射表面以及對要求豐富場景幾何等因素，都會影響大多數感測模式。

表 1：各種環境因素對感測器效果的影響。(表格來源：Analog Devices)

AMR 如何受益於 IMU 的獨特效能

IMU 的更新率比感知感測器更高，能夠快速回應環境的動態變化。感知系統通常以 10 Hz 至 30 Hz 運作，IMU 則能以 200 Hz 處理資料和高達 4 kHz 的原始資料。IMU 的更新率快 10 倍，可以在感知測量之間的較長間隔內更新姿態估算。更高的更新率可以在動作突然改變時更快反應，並在動態環境中提高系統可靠性。

IMU 為 AMR 航位推算提供基礎，其中 AMR 根據 IMU 加速度和角度測量的整合，從已知的起始位置估算其當前位置。藉由持續更新位置、方向、速度所需的資料，IMU 能夠進行精準的姿態估算，達到可靠的 AMR 導航。

IMU 緊湊的尺寸和輕巧的重量也有助於整合到 AMR 中。舉例而言，Analog Devices 的 ADIS16500AMLZ IMU (圖 8) 採用 BGA 封裝，尺寸僅為 15 × 15 × 5 mm，但其整合陀螺儀、加速度計、溫度感測器，以及用於數據採集和訊號調整的完整訊號鏈。這種高整合度使其能夠向主機處理器提供全面的動作資料，也可在空間受限的機械佈局中使用，而不會影響機器人的機動性。

圖 8：ADIS16500AMLZ IMU 整合陀螺儀、加速度計、溫度感測器，以及用於數據採集和訊號調整的完整訊號鏈。(圖片來源：Analog Devices)

ADIS16500AMLZ 的陀螺儀動態範圍為每秒 ±2000˚ (°/s) ，可擷取快速轉彎而不會飽和，這對於 AMR 在狹窄空間內導航或快速避障相當重要。加速度計動態範圍為 ±392 m/s²，可擷取平順動作和高強度衝擊。陀螺儀零偏穩定性為 8.1°/hr，加速度計零偏穩定性為 125 μm/s²，可減少漂移，提高校正之間的航位推算準確度。

原廠校準提供靈敏度、偏壓、軸對準的內建校正，而動態偏移校正則考量溫度變化、電源電壓變化、磁力干擾，以及降噪。²IMU 的機械衝擊耐受度為 19,600 m/s²，工作溫度為 -25 至 85°C，可在嚴峻的環境中部署，而其低雜訊、高頻寬 ADC 可確保提供響應控制系統所需的高更新率，持續準確擷取資料。

一般來說，IMU 也具有相當的抗電磁干擾 (EMI) 能力，並且可以在不同的光照和環境條件下運作。因此，這些裝置可以用於廣泛的應用。

緩解 IMU 的效能限制

儘管 IMU 有優越的效能，但也存在一些固有的限制。³未過濾的雜訊會影響 IMU 測量，降低導航準確度。加速度計和陀螺儀感測器的偏差會隨著時間而累積，導致方向和動作估算的漂移。非線性感測器行為會使測量結果失真，而熱電事件會導致陀螺儀中的角度隨機遊走 (ARW) 誤差和加速度計中的速度隨機遊走 (VRW) 誤差，都會進一步降低長期效能。如果不加以緩解，這些問題會隨著時間而降低定位的可靠性。

感測器融合藉由結合 IMU 資料與其他感測器輸入，克服 IMU 的限制，進而提高資料的品質和可靠性，改善未測量狀態的估算，並增加覆蓋範圍以強化安全性。狀態估算技術 (如延伸卡爾曼濾波 (EKF) (圖 9))，可以校正正常 AMR 運作下的雜訊、隨機遊走、偏差不穩定性。透過測量地球引力所造成的加速度，可以消除俯仰和滾動陀螺儀誤差。最後，可以追蹤和校正偏移漂移。實際作業時，儘管缺乏建模系統本質的完整知識，EKF 仍能有效估算過去、現在、未來的狀態。

圖 9：簡化的 EKF 演算法可處理一段時間內的雜訊感測器測量值，產生機器人姿態和動作的校正連續估算值。(圖片來源：Analog Devices)

EKF 已廣泛使用，因其可以模擬系統動態和測量不確定性，並且在取得新資料時更新狀態估算。隨著時間的推移，測量結果中可能會出現高斯白雜訊或其他不準確的數值，並用於校正。此濾波器透過同步感測器之間的測量、預測姿態、誤差估算，以及估算和更新預測值的不確定性，估算測量的真實值。

感測器融合演算法嵌入在機器人作業系統 (ROS) 開源 robot_localization 套件 ⁴ 中，此套件實作 EKF 架構融合，並以 EKF 演算法為其核心 (圖 10)。

圖 10：典型的 ROS 感測器融合軟體架構，透過 robot_localization 套件組合多感測器輸入，以產生穩健、連續的姿態估算。(圖片來源：Analog Devices)

此 ROS 套件可融合的感測器數量不受限，並可接受各種輸入類型，包括 IMU 資料、輪速度、里程表。此融合輸出包括完整的 3D 位置和方向、線性和角速度、加速度，直接輸入導航和 SLAM 演算法中。robot_localization 使用這些輸入即可產生一個估算的姿態狀態，以實際和衍生測量值的向量表示：

姿態狀態 = (X, Y, Z, 滾動, 俯仰, 偏航, X˙, Y˙, Z˙, 滾動˙, 俯仰˙, 偏航˙, X¨, Y¨, Z¨)

加速精準 AMR 定位的開發

ADIS16500AMLZ IMU 展示精密感測和整合流程如何提高 AMR 定位效能。Analog Devices 推出 ADIS16500/PCBZ 分接板 (圖 11、左) 和配套的 EVAL-ADIS-FX3Z 評估系統 (圖 11、右)，有助於開發人員加速應用開發。

圖 11：ADIS16500/PCBZ 分接板 (左) 和 EVAL-ADIS-FX3Z 評估套件 (右) 支援快速開發基於 ADIS16500 IMU 的應用。(圖片來源：Analog Devices)

此分接板包括 IMU 和一個 16 引腳排針，與 2 mm 帶狀纜線配接，連接至評估系統。此評估系統允許以全採樣率對 IMU 進行即時採樣，並透過其 USB 連接埠供電。所有必要軟體都可以從資源頁面下載。

結論

IMU 對於維持 AMR 中精準定位非常重要，即使其他感知模式由於環境條件而失效，它也能以高更新率提供方向估算和動作追蹤。透過使用感測器融合彌補不同感測器類型的個別限制，AMR 即使在常會混淆其定位的動態環境中也能執行精準導航。透過高度整合的 IMU 和相關分接板和評估系統，開發人員可以快速設計能夠達到精準導航所需的準確、可靠定位的 AMR。

參考資料

1. Shoudong Huang and Gamini Dissanayake, Robot Localization: An Introduction, John Wiley & Sons, August 2016.
2. Randy Carver and Mark Looney, “MEMS Accelerometer Calibration Optimizes Accuracy for Industrial Applications,” EE Times, October 2007.
3. Oliver J. Woodman, “An Introduction to Inertial Navigation,” University of Cambridge, August 2007.
4. robot_localization Documentation, v2.6.12, Tom Moore, 2016.