Physical AI предполагает замкнутый цикл «восприятие → решение → действие». Для автономного мобильного робота (AMR) это значит: понимать окружение, локализоваться, прокладывать маршрут и точно крутить колёса — одновременно и непрерывно.
Для этого нужны два типа вычислений:
- Linux для ROS 2, SLAM, Nav2, компьютерного зрения и Edge AI
- Микроконтроллер для управления моторами, энкодерами, IMU и ближними датчиками
Плата Arduino® VENTUNO™ Q объединяет оба мира: Linux‑совместимый MPU и real‑time MCU на одной платформе, которую удобно использовать как «мозг» AMR, например, робота‑доставщика еды.
Два вычислительных домена в одном роботе
Классический прототип AMR — это отдельный Linux‑компьютер с ROS 2 и камерой плюс отдельная плата для моторов и локальных датчиков. Это работает, но добавляет кучу интеграционной рутины: провода, собственный протокол обмена, две среды разработки и сложную отладку взаимодействия.
С VENTUNO Q архитектура чище:
- MPU под Linux запускает ROS 2, навигацию, vision и AI‑задачи.
- MCU «рядом с железом»: мотор‑драйверы, энкодеры, инерциальные датчики, ближние дальномеры.
MPU решает, куда ехать, MCU превращает это в контролируемое движение.
Sense → Decide → Act
Типичный набор датчиков:
- 2D LiDAR — геометрия стен, коридоров, мебели
- Stereo‑depth камера — 3D‑препятствия выше/ниже плоскости LiDAR
- MIPI‑камера — детекция людей, станций выдачи, подносов
- Arduino Modulino™ Distance — «слепые зоны», пространство прямо перед шасси
- Modulino Movement — ускорения и угловые скорости, вибрации, столкновения
- Энкодеры колёс — одометрия и замкнутый контур по скорости
На MPU фреймворк ROS 2 связывает всё вместе: LiDAR публикует сканы, камеры — изображение/глубину, база — одометрию и IMU. SLAM‑пакет строит карту, Nav2 планирует путь и формирует команды скорости.
Эти velocity‑команды через слой связи MPU–MCU попадают в real‑time контур управления. MCU переводит линейную/угловую скорость в целевые обороты левого и правого колёс, общается с драйверами (например, по CAN) и по энкодерам держит нужную скорость — независимо от задержек Linux. Обратно на MPU уходят одометрия, инерциальные данные и диагностика привода.
Критичная безопасность может обрабатываться локально на MCU: если ближний датчик видит препятствие «в упор», контроллер останавливает привод и только затем сообщает об этом ROS 2‑слою, который перепланирует маршрут.
Контекст с помощью Edge AI
Связка LiDAR + Nav2 уже даёт автономное движение, но Edge AI помогает понять, что именно видит робот. Модель компьютерного зрения может различать человека, стул или тележку, узнавать зону доставки, проверять, снят ли поднос, или по вибрациям находить аномалии механики.
Платформа Edge Impulse с интеграцией в ROS 2 позволяет строить такие модели, подписывать их на топики с изображениями и публиковать результаты обратно в граф ROS. Готовый inference можно в один клик задеплоить в Arduino App Lab.
Пошаговое наращивание прототипа
Необязательно поднимать всю архитектуру сразу. Логичный путь развития:
- База: MCU + моторы + энкодеры.
- Связь с ROS 2 на MPU: приём
cmd_vel, отдача одометрии. - Подключение LiDAR: карта, локализация, автономная навигация.
- Добавление depth и ближних датчиков: более надёжное избегание препятствий.
- Визуальный AI: распознавание людей, зон доставки и событий приложения.
Arduino VENTUNO Q не отменяет задач механики, питания и безопасности, но даёт цельную Linux+MCU‑платформу, чтобы отработать всю цепочку — от восприятия до вращения колёс — в ваших будущих мобильных роботах.
Источник: Arduino Blog
