Roboty mobilne: jak działa odometria i dlaczego „ucieka” po kilku minutach

Dlaczego odometria w robotach mobilnych „ucieka” już po kilku minutach

Sytuacja z hali lub korytarza

Robot mobilny startuje spod ściany, jedzie równo wzdłuż żółtej linii na posadzce i… po 3–5 minutach zaczyna delikatnie skręcać. Po kwadransie wraca w to samo miejsce, ale już nie trafia w stację dokującą. Oprogramowanie pokazuje, że według odometrii wszystko jest w porządku, a mimo to robot jest fizycznie przesunięty o kilkadziesiąt centymetrów. To klasyczny objaw: odometria “ucieka”, czyli nawarstwia błąd po każdym zliczonym impulsie koła i każdej integracji w czasie.

Najczęstsze pytania, które pojawiają się w takiej chwili

• Czym dokładnie jest odometria i jak ją liczysz z enkoderów?
• Dlaczego błąd rośnie, skoro koła mają tę samą średnicę, a enkodery są wysokiej rozdzielczości?
• Jak szybko narasta dryf i czy da się go policzyć przed wdrożeniem?
• Co można skalibrować mechanicznie i programowo, żeby ograniczyć “uciekanie”?
• Kiedy odometria wystarczy, a kiedy bez fuzji z IMU, kamerą lub LiDAR-em nie ma sensu zaczynać?
• Jak bezpiecznie podjąć decyzję o architekturze lokalizacji i nie przepalić budżetu?

Na co naprawdę można liczyć

Odometria jest szybka, tania i niezależna od oświetlenia czy jakości mapy. W zamian wymaga jednego: bliskiego kontaktu koła z podłożem i powtarzalnej kinematyki. Gdy nawierzchnia jest śliska, koła się ścierają lub robot jeździ po rampach – błąd rośnie niemal nieuchronnie. Kluczem jest oszacowanie warunków pracy, kalibracja i decyzja: polegać na odometrii w 100%, ograniczyć się do krótkich odcinków, czy włączyć fuzję.

Jak działa odometria kół: intuicja, model i integracja

Enkoder i droga koła – od impulsów do metrów

Enkoder koła zlicza impulsy proporcjonalne do obrotu. Znając obwód koła i liczbę impulsów na obrót, zamieniasz zliczenia na przebytą drogę koła. Przykładowo: jeśli koło ma obwód 0,314 m, a enkoder 2048 impulsów/obrót, to jeden impuls to około 0,000153 m drogi. W praktyce zlicza się krawędzie sygnału kwadraturowego (kanały A/B), co pozwala wykryć kierunek i zwiększyć efektywną rozdzielczość.

Odczyt drogi z enkodera nie mówi jeszcze nic o pozycji w przestrzeni. Dopiero model kinematyczny platformy (np. napęd różnicowy, Ackermanna, Mecanum) łączy drogi kół w przyrost pozycji i orientacji.

Model kinematyczny popularnych platform

Najprościej myśli się o modelu “unicykla” (pojedynczego punktu poruszającego się do przodu z prędkością liniową i obrotową). W napędzie różnicowym robot ma dwa koła napędowe rozstawione na szerokości B. Z ich dróg (lewe: sL, prawe: sR) wyznaczasz przyrosty:

• Prędkość liniowa: v = (sR + sL) / (2·dt)
• Prędkość kątowa: ω = (sR − sL) / (B·dt)

W modelu Ackermanna skręt jest realizowany przez kąt przednich kół; w Mecanum i Omni stosuje się macierze przekształcające obroty kół na ruch w osiach x/y i rotację. Zawsze chodzi o to samo: przeliczyć drogi kół na przyrost pozycji i orientacji zgodnie z geometrią podwozia.

Integracja w czasie i ramy odniesienia

Znając prędkości w chwili t, integrujesz je w czasie, by estymować pozycję (x, y) i orientację θ w ramie “odom”. W dyskretnej implementacji co pętlę sterowania dodajesz mały wektor ruchu do poprzedniej pozycji. To proste, szybkie i lokalnie dokładne, ale ma jedną wadę: każdy błąd w kroku t jest przeklejany do kroków t+1, t+2… Tak właśnie rodzi się dryf.

Skąd bierze się dryf: katalog błędów, które kumulują się nieubłaganie

Błędy systematyczne, które można (i trzeba) skalibrować

• Niedokładna średnica kół – nawet milimetrowa różnica między kołami powoduje, że robot “patrzy” nieco w lewo lub prawo. Koła zużywają się asymetrycznie, więc kalibracja to proces, nie jednorazowa akcja.
• Nieprawidłowy rozstaw B – błąd w szerokości między kołami błędnie przelicza różnicę dróg na obrót. Efekt: orientacja rośnie lub maleje odrobinę szybciej niż w rzeczywistości.
• Luz mechaniczny i sprężystość – luz w przekładniach, ugięcie opon, drobne odkształcenia ramy zmieniają faktyczną kinematykę zależnie od kierunku jazdy i obciążenia.
• Offset enkodera – przekłamania w zliczaniu impulsów przez zabrudzenia, niedoskonały montaż lub nieliniowość.

Błędy losowe i środowiskowe

• Poślizg i uślizg boczny – kurz, proszek, mokra posadzka, nierówności, progi, rampy. Koło kręci się, enkoder liczy, a robot nie jedzie tyle, ile system zakłada.
• Kontakt punktowy zmienny w czasie – miękkie opony, zmienny docisk, przeniesienie środka ciężkości przy rozpędzaniu i hamowaniu.
• Wibracje i rezonanse – powodują mikroprzesunięcia i błędy zliczania, jeśli próbkowanie jest na granicy możliwości kontrolera.

Kiedy polegać na odometrii, a kiedy łączyć sensory

Szybki test decyzyjny na Twojej trasie

Najpierw praktyka: uruchom robota na docelowym odcinku, z obciążeniem produkcyjnym. Zrób trzy przejazdy: tam–z powrotem, kwadrat (np. 4×10 m) i ósemkę. Po każdym teście zmierz:

• Przesunięcie końcowe względem punktu startu (w cm lub % przebytej drogi).
• Różnicę kąta orientacji (w stopniach), np. jak bardzo “nie patrzy” prosto na stację.
• Powtarzalność między przejazdami (czy błąd jest podobny, czy losowy).

Jeśli translacyjnie wychodzi poniżej ~1–2% dystansu, a błąd kąta jest stabilny i powtarzalny – sama odometria bywa wystarczająca na krótkie misje lub w strefach bez kolizji. Gdy wyniki “pływają” między przejazdami albo kąt rozjeżdża się szybciej niż kilka dziesiątych stopnia na minutę, zacznij planować fuzję.

„Warto, gdy…” oraz „Uważaj, gdy…”

• Warto polegać na odometrii, gdy:
  • Trasy są krótkie i powtarzalne (np. 10–30 m między regałami, bez ramp).
  • Nawierzchnia jest czysta i jednorodna, a koła mają twardy, nieścierający bieżnik.
  • Dokowanie ma szeroką tolerancję (np. lejek mechaniczny) i system toleruje kilka cm błędu.
  • Ruch odbywa się z małymi przyspieszeniami, bez gwałtownych startów i hamowań.
• Uważaj z odometrią solo, gdy:
  • Są śliskie strefy (proszki, wilgoć), progi lub długie rampy.
  • Ładunek i rozkład masy zmieniają się w trakcie misji.
  • Wymagana jest precyzja dokowania “na sztywno” (gniazda, pin–socket, wąski kontakt).
  • Misje trwają wiele minut bez okazji do resetu pozycji (np. pętle 200–300 m).

Progi i kryteria, które upraszczają decyzję

• Budżet błędu pozycji: oszacuj maksymalny błąd dopuszczalny w krytycznym punkcie (np. połowa tolerancji dokowania). Jeśli test pętli 100–200 m daje błąd >50% tego budżetu, dodaj korekty z zewnątrz.
• Stabilność orientacji: jeśli odjazd kątowy rośnie szybciej niż ~0,2–0,5° na minutę w Twoich warunkach, licz na to, że po kilku minutach robot “zobaczy” świat bokiem.
• Powtarzalność: błędy systematyczne (zawsze w tę samą stronę) można skompensować; losowe – już trudniej. Rozrzut końcowych punktów >2× większy niż średni błąd to znak, że środowisko generuje poślizgi.
• Energetyka manewrów: wysokie przyspieszenia i ostre skręty wzmagają uślizgi. Jeśli profil jazdy wymusza takie manewry, sama odometria szybko się posypie.

Krótka procedura ograniczenia dryfu (30–60 minut, bez dodatkowych czujników)

1. Kalibracja skali kół: przejedź prosto odcinek referencyjny (np. 10–20 m). Skoryguj współczynnik drogi kół tak, by błąd długości był <1%.
2. Kalibracja rozstawu B: zrób serię obrotów w miejscu o 360°. Dopasuj B, by zredukować błąd kąta do kilku dziesiątych stopnia.
3. Symetria lewo/prawo: wykonaj sekwencję L–P–L–P o tych samych łukach; jeśli różnice nie znikają, zastosuj oddzielne skale dla lewego i prawego koła.
4. Filtr prędkości: wygładź pomiary enkoderów (np. filtr średniej kroczącej na 2–3 próbki), ale nie opóźniaj sterowania nadmiernie.
5. Ogranicz poślizg programowo: ogranicz maksymalne przyspieszenia i jerk; w narożnikach dodaj krótkie “pauzy” stabilizujące.

Strategie fuzji: od najlżejszych do mapowych

• Odometria + IMU (żyroskop) – mały narzut, duża poprawa orientacji. Działa, gdy główny problem to “uciekający” kąt. Prosty filtr komplementarny lub EKF 2D zwykle wystarcza.
• Odometria + znaczniki wizyjne (np. AprilTag) – punktowe “kotwice” pozycji co 10–30 m. Kamera nad podłogą lub na maszcie; dobre w korytarzach i przy dokowaniu.
• Odometria + LiDAR (scan-matching) – korekta względem ścian/regałów bez specjalnych znaczników. Stabilne, ale wymaga sensownej geometrii otoczenia i mocy obliczeniowej.
• Mapowanie i lokalizacja (AMCL/SLAM) – kiedy trasy są długie, a layout zmienny. Najbardziej odporne na dryf, kosztem złożoności i budżetu.

Przykład z praktyki: w magazynie z regałami identycznymi jak kopiuj–wklej, krótkie “kotwice” wizyjne nad dokami zdejmują 90% problemów bez wchodzenia w pełen SLAM.

Scenariusze „tak/nie” w pigułce

• Krótkie misje do przenośnika (≤30 m), stała posadzka – tak: odometria + IMU; rozważ znacznik przy dokowaniu.
• Patrol długiego korytarza (≥150 m) z zakrętami – nie: sama odometria; tak: LiDAR scan-matching lub kotwice co kilkadziesiąt metrów.
• Trasy przez rampę i próg – nie: odometria solo; tak: IMU do wykrycia nachylenia + okresowe kotwice.
• Precyzyjne dokowanie do złącza – wymagana wizyjna korekta pozycji lub prowadnica mechaniczna, nawet gdy przejazd jest krótki.

Lista kontrolna decyzji (5 punktów na „tak” oznacza zielone światło dla odometrii solo)

• Błąd pętli 100–200 m ≤2% i powtarzalny między przejazdami.
• Błąd kąta po 3–5 minutach jazdy ≤1°.
• Brak ramp/progów na trasie produkcyjnej lub można je ominąć.
• Tolerancja dokowania ≥2× większa niż maksymalny błąd obserwowany w testach.
• Profil jazdy bez ostrych przyspieszeń; koła o stałym docisku i twardym bieżniku.

Rekomendacja praktyczna: jeśli choć dwa z powyższych punktów nie wchodzą, dołóż minimum IMU do stabilizacji yaw oraz jedną pewną kotwicę pozycji (znacznik wizyjny lub strefa LiDAR-owa) w pobliżu krytycznego punktu. Taki kompromis zwykle domyka budżet błędu bez rewolucji w architekturze.

Gęstość „kotwic” korekcyjnych: policz to przed zakupami

Zamiast zgadywać, co ile metrów wieszać znacznik lub liczyć na ściany w LiDAR-ze, policz budżet. Dwa pytania wystarczą: jak szybko rośnie błąd (np. % na 10 m albo ° na minutę) i ile możesz zgubić w krytycznym punkcie (cm i °).

• Jeśli obserwujesz dryf translacji ~1% na 10 m, a dopuszczasz 3 cm błędu, to kotwicę ustaw co maks. 3 m (bo 1% z 3 m ≈ 3 cm).
• Jeśli kąt ucieka o 0,3° na minutę, a korytarz wymaga ≤1° na wejściu w zakręt, to korekta orientacji powinna pojawiać się nie rzadziej niż co ~3 min (lepiej częściej – co 1–2 min).

Warto zagęścić kotwice, gdy: robot wykonuje długie, powolne przeloty bez ostrych manewrów – wtedy krótkie „pstryki” wizyjne co kilka–kilkanaście metrów niemal zerują błąd. Uważaj, gdy: masz ciasne łuki i różne nawierzchnie w jednej misji – wtedy oprócz gęstości liczy się moment korekty (najlepiej przed i po trudnym fragmencie).

Decyzje mechaniczne, które zmniejszają dryf bez algorytmów

Niewielkie zmiany w mechanice często dają więcej niż skomplikowane filtry. Najważniejsze wybory:

• Opony: twardy, jednorodny bieżnik o stałym współczynniku tarcia; unikaj mieszanek „lepko–miękkich” – uślizgi rosną wraz z temperaturą.
• Docisk i środek ciężkości: dociąż napędowe koła, trzymaj środek ciężkości blisko osi napędowej; minimalizuj huśtanie przy przyspieszaniu.
• Koło podporowe (caster): ustaw tak, by nie wymuszało bocznego „szurania” na łukach; złe położenie castera potrafi dodać stały błąd kąta.
• Rozstaw B i sztywność: sztywniejsza rama, symetryczne mocowanie napędów; mniej ugięć = mniej różnic między lewo/prawo.
• Enkodery: rozdzielczość „w sam raz” (zapas ×3–×5 nad wymaganiem) i ekranowanie przed pyłem; kosztem większej rozdzielczości bywa szum i opóźnienie.

Krótki przykład: wymiana miękkich kółek na twardsze w wózku narzędziowym w hali malarni obcięła połowę driftu bez dotykania kodu – zniknął efekt „plasteliny” na ciepłej posadzce.

Fuzja danych bez bólu: zasady, które działają od ręki

Zanim włączysz pełny SLAM, ustaw bezpieczne reguły łączenia źródeł:

• Okna zaufania: w prostych odcinkach trzymaj większą wagę odometrii, przy skrętach podbij wagę żyroskopu (IMU).
• Gating pomiarów: odrzucaj „kotwice”, które korygują pozycję o więcej niż X cm/deg względem przewidywania; X ustaw jako 2–3× typowy błąd w Twoich testach.
• Histereza i opóźnienia: korekty stosuj na koniec manewru, nie w jego środku; unikniesz „przestrzelenia” przez opóźnienia przetwarzania.
• Miękki reset: zamiast skokowo nadpisywać pozycję, zbliżaj się do niej w 200–500 ms (interpolacja); tor pozostaje gładki, regulator nie „zrywa”.

Minimalny filtr stanu 2D: kiedy wystarcza i jak go dobrać

Dla większości robotów indoor wystarcza lekki EKF lub filtr komplementarny ze stanem [x, y, θ] i ewentualnym dryfem żyroskopu (bias). Wejścia: prędkość liniowa i kątowa z odometrii; pomiary: yaw z IMU i punktowe pozycje z kotwic.

• Kiedy warto: głównym problemem jest kąt, a pomiary pozycji pojawiają się rzadko (znaczniki co 10–20 m). Zyskujesz stabilną orientację i „miękkie” doszycie pozycji.
• Kiedy nie: środowisko ubogie geometrycznie i brak kotwic – sam EKF nie „wyczaruje” absolutu; wtedy rozważ scan-matching albo fizyczne prowadnice.
• Parametry startowe: szum odometrii wyższy dla skrętów niż dla jazdy prosto; bias żyroskopu wolnozmienny (proces o małej wariancji).

Monitoring w ruchu: sygnały, że czas na kolejne źródło prawdy

W eksploatacji patrz nie tylko na „gdzie jestem”, ale i na zdrowie nawigacji. Te wskaźniki upraszczają decyzję o rozbudowie czujników:

• Trend błędu zamknięcia pętli: jeśli w tygodniu rośnie szybciej niż o stały offset po serwisie kół – środowisko stało się bardziej zmienne (poślizgi); przyrost >50% budżetu oznacza potrzebę kotwicy.
• Rozjazd yaw IMU vs. odometria podczas postoju: dryf IMU w bezruchu sygnalizuje złe mocowanie lub wibracje; gdy przekracza 0,1–0,2°/min, skoryguj montaż lub filtrację.
• Skoki prądu silników przy stałej prędkości: wzrost wskazuje na zmianę tarcia/obciążenia – spodziewaj się pogorszenia odometrii; ograniczaj jerk i odśwież kalibrację.
• Odsetek odrzuconych kotwic: rosnący udział odrzuceń to zwykle problem z widocznością/odbiorem; popraw geometrię znaczników lub pole widzenia.

Dwa szybkie obrazy z praktyki decyzyjnej

• AGV między dwiema liniami montażu (15 m, dwie proste, jeden łuk 90°): po kalibracji błąd końcowy ~1% i stabilny kąt. Decyzja: odometria + IMU; znacznik AprilTag tylko przy dokowaniu do przenośnika.
• Wózek transportowy w strefie magazynu chemii (70 m, dwa progi, strefy mokre): rozrzut punktu końcowego niepowtarzalny, kąt „pływa”. Decyzja: rezygnacja z odometrii solo; LiDAR scan-matching na korytarzach + kotwica wizyjna przed rampą.

Małe usprawnienia procesowe, które ratują budżet błędu

Nie każde rozwiązanie to nowy sensor. Kilka drobiazgów bywa tańszych i szybszych:

• Segmentacja misji: dziel trasę na odcinki z lokalnym resetem pozycji (np. w zatokach serwisowych lub przy stacjach odbioru).
• „Strefy plastikowe”: odcinki o gorszej przyczepności oznacz w mapie; automatycznie obniż tam prędkość i zwiększ wagę IMU.
• Konserwacja zaplanowana: cykl wymiany kół/rolerów po liczbie godzin lub metrach; po każdej wymianie – szybka, 10‑minutowa rekalibracja skali i rozstawu.
• Rejestr warunków: loguj temperaturę i wilgotność; jeśli korelują z dryfem, wprowadź profile jazdy dla „zimnej” i „ciepłej” hali.

Test akceptacyjny w 60 minut: szybka decyzja bez zgadywania

Zamiast debat, zrób krótki test torowy i spisz liczby. Pozwala wprost odpowiedzieć: „odometria solo da radę” czy „dokładamy źródło absolutu”.

1. Kalibracja startowa (10 min): ustaw ciśnienie i docisk kół, wyzeruj bias żyroskopu (postój 2–3 min), sprawdź, czy encodery nie gubią impulsów.
2. Pętla zamknięta (15–20 min): przejedź 3–5 okrążeń trasy 80–150 m z typowymi prędkościami. Zanotuj błąd domknięcia pętli (cm i °) i jego powtarzalność.
3. Łuk stały (10 min): 5 przejazdów po tym samym łuku 90° lub okręgu. Oceń rozrzut kąta na wyjściu i przesunięcie boczne.
4. Przeszkody „krytyczne” (10 min): rampa, próg, zmiana nawierzchni – pojedź wolno i szybko, sprawdź różnicę błędu.
5. Dokładność końca misji (10 min): zatrzymaj się w miejscu dokowania. Zmierz odchyłki x/y/θ w 5 powtórzeniach.

Decyzja po teście:

• Tak dla odometrii + IMU: błąd pętli ≤2% i stabilny między okrążeniami; błąd θ po 3–5 min ≤1°; dokowanie w tolerancji przy 5/5 powtórzeń.
• Dodaj kotwicę pozycji: rozrzut rośnie po progu/rampie lub odchyłka x/y przekracza połowę dopuszczalnej tolerancji.
• Wejdź w scan-matching/SLAM: niepowtarzalny błąd między okrążeniami, „pływające” θ na łukach i słaba trakcja na dużej części trasy.

Progi eskalacji: co dokładamy i kiedy, bez nadmiaru

• Tylko IMU (żyroskop): dodaj, gdy dominuje błąd kąta (θ), a translacja jest w ryzach; objawy – „przeciąganie” łuku, rozsynchronizowane wejścia w zakręt.
• Kotwice wizyjne (AprilTag, kod QR): dobierz, gdy błąd x/y narasta liniowo i przewidywalnie; wieszaj tam, gdzie geometria otoczenia jest uboga, a manewr wymaga pewności (dok, skrzyżowanie).
• LiDAR scan-matching: wybierz, gdy środowisko ma spójne ściany/półki, trasy są długie, a kotwice trudno serwisować; unikać w strefach o zmiennym „meblu” (palety „jak popadnie”).
• RTK/uwielokrotnione UWB: sięgnij, gdy robot wychodzi na zewnątrz albo strefy są bardzo dynamiczne; pamiętaj o cieniach radiowych i kalibracji anten.

Krótki przykład: jeśli θ ucieka o ~0,4°/min, ale błąd pozycji po 30 m to 1–2 cm, samo IMU zwykle domyka temat. Gdy po każdej rampie tracisz 3–4 cm, najpierw dołóż kotwicę przed i za rampą – nie skacz od razu do SLAM-u.

Warianty architektury a środowisko: trzy ścieżki i ich granice

• Odo + IMU (lekki EKF)
  • Warto, gdy: korytarze, krótki horyzont misji, przewidywalna trakcja.
  • Uważaj, gdy: często stoisz na łuku (bias IMU „zjada” budżet), pojawiają się długie poślizgi.
  • Przykład: transfery 10–40 m między stanowiskami, jeden łuk 90°.
• Odo + IMU + kotwice punktowe
  • Warto, gdy: geometrii brakuje (puste alejki), ale możesz kontrolować kilka punktów referencyjnych.
  • Uważaj, gdy: znaczniki bywają zasłaniane lub zabrudzone – przewiduj redundancję i kąt widzenia.
  • Przykład: magazyn z identycznymi regałami; tag nad dokiem i przy skrzyżowaniu.
• LiDAR + scan-matching/SLAM
  • Warto, gdy: długie patrole, wiele zakrętów, stabilne ściany/filary.
  • Uważaj, gdy: mgła, kurz lub folie na regałach – odczyty będą „miękkie”.
  • Przykład: korytarze 200–300 m z powtarzalnym układem słupów.

Kalibracja, która naprawdę trzyma kurs: trzy szybkie zabiegi

• Skala kół (promień efektywny): przejedź 10–20 m na wprost po odmierzonej taśmie, skoryguj współczynnik tak, by błąd był ≤0,2%. Wykonaj osobno dla lewego i prawego napędu.
• Rozstaw kół (B): zrób 10 obrotów w miejscu w lewo i w prawo (różne prędkości). Dopasuj B tak, by średnia zmiana θ na obrót = 360°. Nierówność lewo/prawo to znak różnic w tarciu – rozważ lekkie odchyłowe B dla każdego kierunku w modelu.
• Bias żyroskopu: 2–3 min postoju, filtr medianowy, następnie wolnozmienny model w filtrze (mała wariancja procesu). Sprawdź wibracje – zła pianka pod IMU potrafi „wyprodukować” dryf.

Podpowiedź praktyczna: jeśli po tej kalibracji łuk 90° nadal „przestrzeliwuje” o stałą wartość, korekta B jest ważniejsza niż dalsze podkręcanie rozdzielczości enkoderów.

Synchronizacja i opóźnienia: cichy zabójca stabilnej trajektorii

• Znacz czas na źródle: stemple czasu rób w sterowniku enkoderów/IMU, nie „po drodze” w aplikacji.
• Spójne zegary: synchronizacja monotoniczna (np. PTP w sieci przewodowej) lub jawny timestamp drift correction co kilka minut.
• Charakterystyka opóźnień: zmierz end‑to‑end dla ścieżki czujnik → filtr → regulator. Jeśli >80–120 ms, wprowadź predykcję i „miękkie” korekty, bo inaczej regulator będzie gonił przeszłość.
• Jedna częstotliwość fuzji: unikaj losowej „plątaniny” 40/100/400 Hz; lepiej spiąć wszystko do wspólnego rytmu (np. 100 Hz) i asynchronicznie wstrzykiwać rzadkie kotwice.

Mapa decyzji na start: trzy kroki do bezpiecznego wyboru

1. Policz budżet: tolerancja x/y/θ w krytycznym punkcie i przewidywany dryf na minutę/metr.
2. Zrób 60‑minutowy test akceptacyjny i zaznacz, gdzie błąd rośnie najszybciej (łuk, próg, długi prosty).
3. Dopasuj najmniejszy dodatek, który „gasi” dominujący błąd: IMU dla θ, kotwice dla x/y, scan‑matching dla długich i zmiennych tras.

Jeśli po wdrożeniu dodatku błąd wciąż przekracza połowę budżetu przy dwóch różnych operatorach lub w dwóch porach dnia – dołóż drugie, niezależne „ucho” (np. kotwica + IMU), zamiast eskalować tylko jeden tor pomiarowy.

Najczęściej zadawane pytania (FAQ)

Co to jest odometria w robotach mobilnych i jak liczy się ją z enkoderów?

Odometria to szacowanie przebytej drogi i zmiany orientacji robota na podstawie obrotów kół. Enkoder zlicza impulsy proporcjonalne do obrotu, a znając obwód koła i liczbę impulsów na obrót, zamieniasz impulsy na metry. Przykład: koło o obwodzie 0,314 m i enkoder 2048 imp/obr daje ~0,000153 m na impuls.