Три шари калібрування: від сенсора до хмари і назад

Для автономних НРК калібрування відіграє важливу роль. Але в наших силах зробити цю роль ще більш значущою. Поки НРК перебуває на базі, ми можемо дізнатися про нього дуже багато — якщо виконати правильні калібрувальні дії.

Шар перший: збір даних на пристрої

Це те, що відбувається безпосередньо на НРК: які саме показники записувати, з якою частотою і в якому форматі стискати. Спочатку запис стоячи на місці. Потім кружок з ручним керуванням, потім вісімка, потім квадрат, а може навіть петля довільної форми. Записавши дані з усіх сенсорів, ми дізнаємося багато корисного про конкретний екземпляр — на додаток до тих технічних характеристик моделі, якими вже володіємо.

Шар другий: хмарна обробка

Це найцікавіший і найскладніший шар. Зібрані дані потрібно завантажити в хмару і правильно проаналізувати. А ще — порівнювати з калібрувальними даними інших НРК. При цьому ми бачимо не лише поточний стан кожного пристрою, а й те, як він змінюється від калібрування до калібрування — і вчасно помічаємо тих, хто починає вибиватися із загальної картини.

Шар третій: результати повертаються на пристрій

Це може бути нова матриця калібрування IMU, попередження про деградацію якогось сенсора, або просто рекомендація провести повторне калібрування перед наступною місією. Три шари замикаються в петлю — і це вже не просто калібрування, а діагностика з пам'яттю.

А якщо НРК недоступний? Симулюємо.

Його можна симулювати — причому відразу з різними типовими маршрутами. Почати можна з псевдо-автоматичного калібрування: НРК наче сам їде по потрібних маршрутах, а ми збираємо дані. І навіть можемо додати туди неідеальні відхилення для всіх сенсорів.

Хороший приклад пошуку ресурсів у дусі TRIZ: немає фізичного НРК — є його модель, і цього достатньо, щоб почати. Зрештою, всі ми не ідеальні. Навіть сенсори. І з цим просто потрібно навчитися жити.