慣性感測器(IMU)能提供動作數據，是協助機器人精準定位的關鍵元件，其內部整合了加速計、陀螺儀以及磁力計，藉由提供即時的反應，讓機器人能精準判斷其方向、位置以及動作，進而在持續變化的環境中導航前進。本文探討IMU在機器人定位上扮演的關鍵角色，並詳述其關鍵利益。
無視覺感測器時IMU對AMR之重要性
(承前文)如圖4所示，AMR通常配備各種視覺感測器，像是飛時測距(ToF)、攝影機、光達等。儘管視覺里程計提供了豐富的資料集，但業界對IMU的需求仍然存在。以下為各種優勢探討的背景。
圖4 AMR感測器堆疊
AMR能在特徵很少的走廊中進行導航
同時定位與地圖建構(SLAM)本質上是透過匹配觀察到的感測器資料來運行的，這些儲存在地圖的資料，用來在地圖中找到自己所處位置。當AMR行經一條很長的走廊，如圖5所示，必然很快會跟丟定位。由於缺乏明顯的特徵物，像是全都是筆直的牆面，而且顏色、材質、反射光線都很均勻，SLAM難以精準定位。在此種情況下，IMU就扮演寶貴的指引系統，提供航向與方位的資訊。
圖5 在無特徵的走廊中AMR視覺里程計喪失量測連續性
在廣闊開放環境中導航
當在如大型倉庫(50公尺×50公尺)廣大的開放空間中運行時，AMR會有定位困難的問題，因為特徵物體大小會超過感測器的量測距離(光達的最大量測距離約為10~15公尺)。如圖6所示，在廣闊空間中由於找不到參照物，因此AMR的里程計無法校正誤差而中斷量測的連續性。此外，倉庫中通常缺乏具有特徵性的參照物，使得視覺感測器面臨許多困難。在此種情境下，IMU與輪速編碼器是精準本地定位唯一可靠的訊息來源。
圖6 受限的可視範圍(FoV)感測器，AMR無法在開闊空間進行定位
在斜坡上導航
在斜坡上行進時，依賴光達的傳統SLAM演算法會面臨挑戰，因為二維點資料不會顯示梯度資訊。因此，斜坡會被誤解為牆壁或障礙物，造成更高代表的地圖。因此，採用2D系統的傳統SLAM方法在斜坡上效率不彰。IMU則能協助克服這項挑戰，藉由擷取梯度資訊(圖7)有效地在斜坡上進行導航。
圖7 AMR在斜坡上前進
導航時的環境因素
光達感測器易受各種環境因素影響，包括環境光線、灰塵、煙霧、雨滴等。這些因素會減損感測器資料的品質，進而影響SLAM演算法的性能。類似的情況，其他感測器模態也會受到反射表面與動態移動物體(其他AMR或工作人員)影響，進而混淆SLAM。表1歸納環境如何影響不同的感測器模態。IMU能在各種環境中可靠地工作，使其成為各種行動機器人的多功能選項。
技術挑戰影響感測表現
雖然IMU具有許多益處，但也涉及許多風險而衍生各種挑戰。
IMU量測會受雜訊影響，雜訊會減損機器人導航與控制的精準度。為對雜訊進行補償，IMU通常採用先進的濾波技巧，如卡爾曼濾波或有限脈衝響應濾波。
IMU感測器會產生長時間累積誤差，進而導致方向與動作預測的偏差。為解決此項問題，通常會用誤差估計演算法來持續更新IMU感測器的讀數。
IMU感測器會呈現出非線性行為，導致資料處理與解讀作業變得複雜。為了補償非線性便需要對感測器進行校準，透過建立模型來描述感測器的行為，進而計算出適合的校正值。
IMU易受外部熱機械事件影響，這些事件會導致ARW—角隨機遊走(在陀螺儀)與VRW(速度隨機遊走)(在加速計)的誤差。
感測融合力克技術挑戰
感測器融合(Sensor Fusion)如何帶來幫助？包括提高可靠度、提升數據的品質、更精準預估各項未量測的狀態、提高覆蓋範圍進而確保安全等。在感測器融合演算法的重要性方面，如擴展式卡爾曼濾波(EKF)等狀態預估技巧，能校正自主移動機器人運作時的雜訊、角度隨機遊走(ARW)、以及偏置不穩定誤差。另外，藉由量測地球重力造成的加速度來消除IMU內部陀螺儀的俯仰與橫滾誤差。演算法能和與校正偏置漂移，並修正ARW錯誤。
而擴展式卡爾曼濾波即使在無法掌握模型系統的精準性質下，仍能推測過去、現在、以及未來的狀態。在長時間持續量測部分，包括高斯白噪音或其他不精準性，並藉由統合各感測器的量測數據，推測未來的量測數據。還有預測姿態與估計誤差，預測與更新預測值的不確定性。
感測器融合在運行著機器人作業系統(ROS)的典型系統中，視覺感測器連同IMU以及輪速里程計(圖8)，透過一款名為robot_localization的開源式ROS套件進行融合，該套件的核心採用的是擴展式卡爾曼濾波(EKF)演算法，能融合數量不受限的感測器，並能接收來自IMU、輪速以及里程計等感測器所輸入的數據。robot_localization輸出的位置姿態數據，除了機器人的三維位置與方向之外，包含線/角速度與加速度也會全數饋送到SLAM演算法。
圖8 採用ROS的典型感測器融合系統
廠商如ADI針對行動機器人在內的應用推出多款IMU，其具備以下特性：
ADI的IMU具備完全校正的加速度計與陀螺儀，能掌握的參數包括靈敏度、偏置、對齊以及陀螺儀在測量線性加速以及搭配加速度計的偏置。內建的動態偏置校正機制，能配合降噪功能，有效補償電源電壓、溫度、磁性干擾等因素造成的誤差。這使得用戶能明顯降低系統整合時間以及獲取成本，加快各種工業應用在不同條件下建置精準感測器量測功能的整體作業時間。
以高精準度與高頻寬擷取感測器數據，確保可靠且即時回應的運作。
ADI的IMU提供精準的方位、動作、速度等量測功能，讓機器人能根據資訊做出決策，在周圍環境中精準地導航。
行動機器人通常以電池為動力來源，因此低功耗對於延長其操作範圍非常重要。ADI的IMU能降低功耗延長電池續航力。
為了能置入行動機器人有限的內部空間，ADI旗下的IMU元件皆考量了精小規格的目標。這也讓客戶能將元件整合到各種機器人組態中，而不須擔心效能受到影響。
容易和機器人的控制系統進行整合，對於無縫運行十分重要。ADI的IMU開發板結合了開源式ROS節點，使用戶能輕易整合，以組建自主移動機器人。
IMU是自主移動機器人進行定位的必要元件，因為IMU除了能測算方向與追蹤動作外，還需藉由高更新率來進行即時反應，讓自主移動機器人能在動態環境中導航。類似卡爾曼濾波器這類感測器融合技巧能結合其他模態的感測器，進一步彌補各自功能的侷限性，而ADI則是推出了種類眾多的IMU，將協助因應各種行動機器人應用的特定需求。
(本文作者為ADI系統應用工程師)
建構精準導航堅實基礎 IMU提升機器人定位性能(1)
建構精準導航堅實基礎 IMU提升機器人定位性能(2)