Bluebotics

Description

Bluebotics, fondée en 2001 en tant que spin-off de l'EPFL, se spécialise dans la fourniture de technologies de navigation pour les véhicules guidés automatisés (AGV), les chariots élévateurs automatisés et les robots mobiles. Forte de plus de deux décennies d'expérience dans la navigation des caractéristiques naturelles, Bluebotics a aidé les entreprises du monde entier à développer et à déployer des véhicules autonomes. Leur technologie autonome de navigation (ANT) offre une navigation précise jusqu'à +-1 cm +-1deg, des changements d'infrastructure minimes et une mise en service rapide des véhicules. L'équipe d'experts de Bluebotics collabore avec les clients pour assurer une intégration réussie de ANT dans leurs véhicules, fournissant un soutien jusqu'à ce que le système fonctionne de manière fiable. Les valeurs fondamentales de l'entreprise comprennent une communication efficace, l'innovation continue et la simplicité de la technologie.

Source officielle

https://www.bluebotics.com

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Catégories associées (8)

Concepts associés (23)

Cours associés (15)

Séances de cours associées (205)

MOOCs associés (13)

Personnes associées (16)

Publications associées (2)

Start-ups associées (1)

Unités associées (8)

vignette|exemple de robot autonome de type rover Un robot autonome, également appelé simplement autorobot ou autobot, est un robot qui exécute des comportements ou des tâches avec un degré élevé d'autonomie (sans influence extérieure). La robotique autonome est généralement considérée comme un sous-domaine de l'intelligence artificielle, de la robotique et de l'. Les premières versions ont été proposées et démontrées par l'auteur/inventeur David L. Heiserman.

Vehicular automation involves the use of mechatronics, artificial intelligence, and multi-agent systems to assist the operator of a vehicle (car, aircraft, watercraft, or otherwise). These features and the vehicles employing them may be labeled as intelligent or smart. A vehicle using automation for difficult tasks, especially navigation, to ease but not entirely replace human input, may be referred to as semi-autonomous, whereas a vehicle relying solely on automation is called robotic or autonomous.

A navigation system is a computing system that aids in navigation. Navigation systems may be entirely on board the vehicle or vessel that the system is controlling (for example, on the ship's bridge) or located elsewhere, making use of radio or other signal transmission to control the vehicle or vessel. In some cases, a combination of these methods is used.

Un système de positionnement par satellites également désigné sous le sigle GNSS (pour Géolocalisation et Navigation par un Système de Satellites) est un ensemble de composants reposant sur une constellation de satellites artificiels permettant de fournir à un utilisateur par l’intermédiaire d'un récepteur portable de petite taille sa position 3D, sa vitesse 3D et l'heure. Cette catégorie de système de géopositionnement se caractérise par une précision métrique, sa couverture mondiale et la compacité des terminaux, mais également par sa sensibilité aux obstacles présents entre le terminal récepteur et les satellites.

An unmanned ground vehicle (UGV) is a vehicle that operates while in contact with the ground and without an onboard human presence. UGVs can be used for many applications where it may be inconvenient, dangerous, or impossible to have a human operator present. Generally, the vehicle will have a set of sensors to observe the environment, and will either autonomously make decisions about its behavior or pass the information to a human operator at a different location who will control the vehicle through teleoperation.

Système de positionnement par satellites

Robotique

thumb|upright=1.5|Nao, un robot humanoïde. thumb|upright=1.5|Des robots industriels au travail dans une usine. La robotique est l'ensemble des techniques permettant la conception et la réalisation de machines automatiques ou de robots. L'ATILF donne la définition suivante du robot : « il effectue, grâce à un système de commande automatique à base de microprocesseur, une tâche précise pour laquelle il a été conçu dans le domaine industriel, scientifique, militaire ou domestique ».

Technical geography

Technical geography is the branch of geography that involves using, studying, and creating tools to obtain, analyze, interpret, understand, and communicate spatial information. The other branches, most commonly limited to human geography and physical geography, can usually apply the concepts and techniques of technical geography. However, the methods and theory are distinct, and a technical geographer may be more concerned with the technological and theoretical concepts than the nature of the data.

Robotique

Sciences de la Terre

Les , ou , regroupent les sciences dont l'objet est l'étude de la Terre (surface terrestre et Terre interne, eau, air, biosphère) et de son environnement spatial. En tant que planète, la Terre sert de modèle à l'étude des planètes telluriques. Depuis que des sondes spatiales permettent d'explorer d'autres objets du système solaire, la planétologie est aussi classée parmi les sciences de la Terre. Celle-ci étudie notamment la Lune, les planètes et leurs satellites naturels, les astéroïdes, les météorites et les comètes.

Autonomous Construction of Separated Artifacts by Mobile Robots Using SLAM and Stigmergy

Francesco Mondada, Hadi Ardiny, Stefan John Witwicki

Autonomous mobile robots equipped with arms have the potential to be used for automated construction of structures in various sizes and shapes, such as houses or other infrastructures. Existing construction processes, like many other additive manufacturing processes, are mostly based on precise positioning, which is achieved by machines that have a fixed mechanical link with the construction and therefore relying on absolute positioning. Mobile robots, by nature, do not have a fixed referential point, and their positioning systems are not as accurate as fixed-based systems. Therefore, mobile robots have to employ new technologies and/or methods to implement precise construction processes. In contrast to the majority of prior work on autonomous construction that has relied only on external tracking systems (e.g., GPS) or exclusively on short-range relative localization (e.g., stigmergy), this paper explores localization methods based on a combination of long-range self-positioning and short-range relative localization for robots to construct precise, separated artifacts in particular situations, such as in outer space or in indoor environments, where external support is not an option. Achieving both precision and autonomy in construction tasks requires understanding the environment and physically interacting with it. Consequently, we must evaluate the robot’s key capabilities of navigation and manipulation for performing the construction in order to analyze the impact of these capabilities on a predefined construction. In this paper, we focus on the precision of autonomous construction of separated artifacts. This domain motivates us to combine two methods used for the construction: 1) a self-positioning system and 2) a short-distance relative localization. We evaluate our approach on a miniature mobile robot that autonomously maps an environment using a simultaneous localization and mapping (SLAM) algorithm; the robot’s objective is then to manipulate blocks to build desired artifacts based on a plan given by a human. Our results illuminate practical issues for future applications that also need to integrate complex tasks under mobile robot constraints.

2015

Online Model Estimation of Ultra-Wideband TDOA Measurements for Mobile Robot Localization

Alcherio Martinoli, Amanda Stella Markowska Prorok

Ultra-wideband (UWB) localization is a recent technology that promises to outperform many indoor localization methods currently available. Yet, non-line-of-sight (NLOS) positioning scenarios can create large biases in the time-difference-of-arrival (TDOA) measurements, and must be addressed with accurate measurement models in order to avoid significant localization errors. In this work, we first develop an efficient, closed-form TDOA error model and analyze its estimation characteristics by calculating the Cramer-Rao lower bound (CRLB). We subsequently detail how an online Expectation Maximization (EM) algorithm is adopted to find an elegant formalism for the maximum likelihood estimate of the model parameters. We perform real experiments on a mobile robot equipped with an UWB emitter, and show that the online estimation algorithm leads to excellent localization performance due to its ability to adapt to the varying NLOS path conditions over time.

Ieee2012