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.xdnf.cn/news/1444807.html

相关文章:

  • TLSF内存算法适配HTOS
  • 【Unity UGUI Canvas(画布)(1)】
  • 【音视频】FMP4 介绍
  • 【正点原子K210连载】第三十一章 音频FFT实验 摘自【正点原子】DNK210使用指南-CanMV版指南
  • 【论文阅读】-《THE JPEG STILL PICTURE COMPRESSION STANDARD》
  • Android 接入deepseek
  • 关于ES中文分词器analysis-ik快速安装
  • k8s使用StatefulSet(有状态)部署单节点 MySQL方案(使用本地存储)
  • 【Bug】Nexus无法正常启动的五种解决方法
  • SuperMap GIS基础产品FAQ集锦(20250901)
  • Elasticsearch 数字字段随机取多值查询缓慢-原理分析与优化方案
  • 504 Gateway Timeout:服务器作为网关或代理时未能及时获得响应如何处理?
  • 揭秘设计模式:优雅地为复杂对象结构增添新功能-访问者模式
  • go语言面试之Goroutine详解
  • Linux使用-Linux系统管理
  • WPF里的几何图形Path绘制
  • 硬件驱动C51单片机——裸机(1)
  • 三、Scala方法与函数
  • 【面试场景题】1GB 大小HashMap在put时遇到扩容的过程
  • 安卓系统中IApplicationThread.aidl对应的是哪个类
  • 智慧交通管理信号灯通信4G工业路由器应用
  • 【小白笔记】移动硬盘为什么总比电脑更容易满?
  • 【LeetCode热题100道笔记】括号生成
  • 系统架构设计师备考第14天——业务处理系统(TPS)
  • WebAppClassLoader(Tomcat)和 LaunchedURLClassLoader(Spring Boot)类加载器详解
  • Llama v3 中的低秩自适应 (LoRA)
  • 51单片机-LED与数码管模块
  • 2024 arXiv Cost-Efficient Prompt Engineering for Unsupervised Entity Resolution
  • JetBrains 2025 全家桶 11合1 Windows直装(含 IDEA PyCharm、WebStorm、DataSpell、DataGrip等)
  • Datawhale AI夏令营复盘[特殊字符]:我如何用一个Prompt,在Coze Space上“画”出一个商业级网页?