Kuva: Forum Virium Helsinki/Vesa Laitinen 

Jätkäsaaressa testattiin syksyllä 2021 lähettirobottia, jonka liikkuminen pohjautui pistepilvikarttaan. Kartan ansiosta robotti tiesi, missä kohdassa ja mihin suuntaan se reitillään liikkui. Kokeilu onnistui hyvin. Pistepilvikartat tuotavat varmuutta robottien liikkumiseen.

LMAD-hankkeessa kehitetty lähettirobotti kuljetti DB Schenkerin paketteja Jätkäsaaren asukkaille loppusyksystä 2021. Robottiin oli tallennettu kaksitoista reittiä, joita se kulki itsenäisesti. Liikkumisen mahdollistivat ennakkoon toteutetut pistepilvikartat eli laserkeilauksella koostetut kolmiulotteiset kuvaukset ympäristöstä. Reittien ansiosta iso osa Jätkäsaaresta tallentui suureksi joukoksi 3D-pisteitä, joka muistuttaa häkellyttävän paljon kolmiulotteista kaupunkikuvaa. 

Jätkäsaaren lähettirobotin robotiikan tehnyt GIM Robotics soveltaa pistepilvikarttojen käyttöä robotiikkaan. Robotissa on sensoreita, joilla se havainnoi ympäristöään. Kone vertaa saatuja havaintoja olemassa oleviin, samankaltaisilla sensoreilla koottuihin pistepilviin. Vertailu kertoo robotille, missä se sijaitsee. 

Karttaan tallentuivat ihmiset, ympäristö ja sade

Kuljetuksiaan varten robotin piti osata väistää sekä liikkuvia että paikallaan pysyviä kohteita edeten silti ennalta määrättyä reittiä oikeisiin paikkoihin. Onnistuakseen sen täytyi hahmottaa, missä se itse on suhteessa ympäristöönsä, kuten mahdollisiin esteisiin tai vaihtoehtoisiin kulkuväyliin. Pistepilvikartat ovat yksi tapa viestiä robotille sen ympäristöstä. Ne rakentuvat yhden tai useamman laserkeilaimen keräämistä pistemäisistä mittauksista. Jätkäsaaren robotille kartta luotiin ennakkoon. Ihminen tarkisti, että se vastaa todellisuutta. 

Laserit tuottivat kartan yhdistelemällä etäisyys- ja kulmamittauksia kaikista niistä pinnoista, joista säde heijastuu takaisin. Se tarkoittaa, että karttaan piirtyivät maanpinta teineen ja jalkakäytävineen, rakennukset, pylväät, vesistöt, kasvit ja kaikki muu ympäröivä todellisuus. Liikkuvat kohteet jäivät myös kuviin, mutta ne suodatettiin pois pistepilvestä toistuvan keilauksen avulla ja robotin liikettä hyödyntäen. Koska mittauksia otettiin samasta kohdasta useita, liikkuvat ihmiset, pyöräilijät ja autoilijat voitiin poistaa datasta ennen kartan muodostamista.

Kolmiulotteisesta pistepilvestä voidaan tarkastella ympäristön eri kohteita ja niiden ominaisuuksia, kuten mittoja ja sijainteja. Robotin näkökulmasta etuna on, että kartoista voidaan arvioida kohteiden geometrisia ominaisuuksia, kuten kaarevuutta, kaltevuutta tai tasaisuutta. Arvioiden avulla voitiin tuottaa ennusteita robotille soveltuvasta liikkumatilasta.

Pysäköidyt autot jäivät karttaan, mutta se ei haitannut robottia. Se osasi paikantaa itsensä, vaikka jokin auto olisi lähtenytkin kartan muodostamisen ja robotin tekemän mittauksen välillä, koska pysäköidyt autot olivat yleensä isompien, pysyvien rakennusten tai maamerkkien ympäröimiä. 

Pistepilvikartat auttavat robottia pimeällä ja säästä riippumatta

Robotiikan näkökulmasta pistepilvikartat ovat tiiviisti rakennetussa ympäristössä luotettavampia kuin satelliittipaikannus (kuten GPS), joka vaatii suoran näkyvyyden taivaalle. Pistepilveen perustuva menetelmä toimii hyvi katukuiluissa, pimeässä, siltojen alla ja esimerkiksi rapuissa, joissa satelliittipaikannussignaalia ei välttämättä ole saatavilla. 

Pistepilvikartta tuo robotin liikkeisiin varmuutta. Jos robotilla ei olisi pohjatietoja reiteistään, se liikkuisi pelkästään sensoriensa varassa, eikä robotin paikan määritys olisi yhtä tarkkaa ja luotettavaa kuin nyt, kun robotti voi vertailla saamiaan tuloksia pistepilvikarttaan. Jos robotilla ei olisi karttaa tukenaan ja yksikin sensori hajoaisi, aiheutuisi ongelmia. Silloin olisi tärkeää, että tukena olisi ihminen hyväksymässä robotin ratkaisut, kuten autonomisessa autoilussa. 

Robotin käyttämä pistepilvikartta ja ajossa tehdyt mittaukset voivat tulevaisuudessa olla hyödyllisiä muillekin kuin robotille itselleen. Eri puolilta kerätyt aineistot muodostavat kokonaisuutena merkittävän potentiaalin erilaisiin uusiin toimintamalleihin. Pistepilvet mahdollistavat esimerkiksi kaupunkiympäristön kohteiden inventoinnin ja muutosten havaitsemisen. Säännöllisesti yhdellä alueella toimiva robotti voisi tulevaisuudessa toimiessaan tuottaa aineiston, joka näyttäisi vaikkapa ajantasaisen liikennemerkkien, kaiteiden ja puuston kunnon, tai jalkakäytävien lumitilanteen. Robotti voisi siis liikkuessaan auttaa kaupunkia ylläpito- ja kunnostustöiden kohdentamisessa. 

Avoimesti jaetut pistepilvikartat luovat digitaalista Suomea

Pistepilvikartoissa käytettyjen menetelmien kehitys alkoi jo 1980-luvun lopulla, mutta harppauksia on otettu varsinkin viime vuosina. Kartat ovat yleistyneet muun muassa maanmittauksessa, maantieteessä ja rakentamisessa. Kartoituksessa lähtöaineistoina käytetyt pistepilvet ovat usein robotiikassa käytettyjä pistepilviä tarkempia.

“Robotiikka ja sen avulla ikään kuin sivutuotteena tuotetut kolmiulotteiset aineistot mahdollistavat uusia ja mielenkiintoisia sovelluksia, mikäli niitä osataan hyödyntää oikein”, sanoo tutkimusprofessori Antero Kukko Maanmittauslaitoksen Paikkatietokeskuksesta.

Hän on tutkinut laserkeilausta kollegansa Harri Kaartisen kanssa yli kymmenen vuotta. Kaksikko on maailman mittaluokassa alansa parhaita hyperspektrilaserkeilauksessa. 

“Olisi esimerkiksi valtavan hyödyllistä, mikäli meillä olisi sähköinen datapankki ja kauppapaikka, jossa eri toimijat voisivat yhdistää aineistonsa, ja kartat olisivat vapaasti hyödynnettävissä. Kun tähän lisätään kaupunkien, kuntien ja valtion virastojen avoimet tietovarannot, joiden avulla voimme varmistaa aineistojen laatuun liittyviä haasteita, voisimme vähitellen rakentaa todellista digitaalista Suomea”, Kukko jatkaa. 

Tekstiä varten haastateltiin GIM Roboticsin robotiikkainsinööri Henri Varjotietä, LMAD-hankkeen projektipäällikkö Matias Oikaria, Maanmittauslaitoksen Paikkatietokeskuksen professori Antero Kukkoa ja Forum Virium Helsingin teknistä asiantuntijaa Juho-Pekka Virtasta.

Kuvia pistepilvestä.

Koko kartta vapaasti tutkittavaksi

Tietoa LMAD-hankkeessa kehitetystä robotista

Last Mile Autonomous Delivery LMAD -hankkeen lähettirobottikokeilu vastasi kaupunkilogistiikan kasvaviin tarpeisiin. Viimeisen kilometrin toimitukset voivat olla kaupungeissa haastavia, joten kokeilu selvitti, voisiko robotiikka helpottaa tilannetta. Kokeilusta saatiin positiivisia tuloksia. Robotti toimitti yli 100 pakettia eikä noutotilanteisiin tarvinnut puuttua manuaalisesti. Hankkeen myötä syntyi hankkeen nimeä kantava startup.