Senzorika robota

Moderní kráčející robot se dodává s patnácti až čtyřiceti samostatnými senzorovými kanály, podle toho, jak je počítáte. Na marketingové fotce jsou vidět dva — LiDAR nahoře a hloubková kamera v hlavě. Zbývajících třicet osm je uvnitř hrudníku, v kloubech, v chodidlech a (stále častěji) v prstech. Právě ony dělají rozdíl mezi „robot se postavil“ a „robot se postavil, věděl, kde je, a rozhodl se, co dál“.

Tento článek prochází, co se na humanoidovi nebo čtyřnožci roku 2026 doopravdy nachází, k čemu každý senzor slouží, jaké jsou věrohodné možnosti v jednotlivých třídách a jak to je doopravdy s těmi, které jsou přeceňované. Předchozí články této série — R01 a R02 — uváděly senzory po jednotlivých platformách. Tento je referenční přehled.

Dva světy: propriocepce a exterocepce

Každý senzor robota spadá do jedné ze dvou kategorií a toto rozdělení je důležité, protože oba světy mají velmi odlišné nároky na latenci, přesnost i na to, jak smějí selhávat.

Proprioceptivní senzory říkají robotu o něm samém: kde má klouby, jak rychle se pohybují, kde je dole a zda je chodidlo na zemi. Běží na vysokých frekvencích (200 Hz až 2 kHz), jsou deterministické, netolerují jitter a sedí na real-time sběrnici řízení motorů. Pokud kterýkoli z nich lže, robot do 50 ms spadne.

Exteroceptivní senzory říkají robotu o okolním světě: kamery, hloubkové senzory, LiDAR, mikrofony, taktilní plochy. Běží pomaleji (10–60 Hz), jsou statistické (každý hloubkový pixel má šum, každý odraz LiDARu má škálování podle odrazivosti) a sedí na percepční sběrnici — Ethernet nebo USB do aplikačního procesoru. Když jeden selže, robot se zastaví, ale nespadne.

Užitečný myšlenkový model: propriocepce drží robota na nohou. Exterocepce z něj dělá užitečný stroj. Jedno za druhé vyměnit nelze.

IMU — senzor, na kterém visí všechno ostatní

Inerciální měřicí jednotka je nejdůležitější jednotlivý senzor kráčejícího robota. Poskytuje tříosé zrychlení a tříosou úhlovou rychlost (6-DoF IMU), případně navíc magnetometr (9-DoF). Řídicí smyčka ji čte na 1 kHz i více a odhaduje z ní orientaci trupu, odvozuje odchylku rovnováhy a predikuje další půlkrok.

Humanoid roku 2026 obvykle nese dvě IMU (jednu v trupu, jednu v hlavě) a schopnější platformy přidávají jednu do každého chodidla. Čtyřnožci mívají jednu v těle a stav chodidla odvozují z momentu v kloubech místo inerciálního senzoru v každé noze.

BMI088 je skutečný tahoun. Byl navržen pro drony a robotiku, gyroskop je specifikován až do ±2000 °/s a přežije vibrační spektrum, které kráčející humanoid vytváří. ICM-42688 od TDK je alternativa, která se objevuje v cenově orientovaných sestavách. VectorNav je krok výš, když opravdu potřebujete venkovní přesnost kurzu — a tu většina vnitřních humanoidů nepotřebuje.

IMU také umožňuje ZUPT (zero-velocity update) — trik, kdy je během stojné fáze kroku chodidlo prokazatelně v klidu, takže tento interval můžete využít k resetu odhadu rychlosti ve SLAM pipeline. Bez ZUPT zabije drift mrtvého navádění VIO i LIO během několika minut. S ním klesne drift o řád. Robot bez IMU v každém chodidle nebo v každé noze o tuto možnost přichází, a to je jeden z důvodů, proč špičkové výzkumné humanoidy dávají IMU do chodidel.

Past, které je dobré se vyhnout: marketing vzorkovací frekvence. IMU s 2 kHz a biasem 5 °/h je pro jakoukoli úlohu delší než deset sekund mnohem horší než IMU se 400 Hz a biasem 0.5 °/h. Čtěte údaj o stabilitě biasu, ne frekvenci z titulku.

Kloubové enkodéry — smysl, který datasheet skrývá

Každý aktuovaný kloub má alespoň jeden enkodér. Většina sériových humanoidů a čtyřnožců používá dva na kloub — absolutní enkodér na výstupní hřídeli (kvůli bezpečnosti a startu) a inkrementální enkodér na motoru (pro zpětnou vazbu rychlosti ve vysokém rozlišení). Právě toto dvojité uspořádání odlišuje výzkumný prototyp od stroje, který můžete nechat běžet přes noc.

Dvě dominantní rodiny:

• Magnetické absolutní enkodéry. AS5048 a nástupci (ams-osram), MT6816, AS5047. 14bitové rozlišení = 16,384 kroků na otáčku = nativní přesnost 0.022°. Po linearizaci v mikrokontroléru je dosažitelných ~0.05°. Bezkontaktní, bez mechanického opotřebení, odolné vůči rázům a vibracím. Standard.
• Optické enkodéry. Vyšší rozlišení v horní třídě (20 bitů, ~0.0003°), lepší v čistém průmyslovém prostředí. Mají ale skleněný kotouč, vyžadují přesné ustavení a vibrační spektrum robotí nohy jim nedělá dobře. Najdete je v chirurgické a přesné laboratorní robotice, ne v kráčejících platformách.

Kompromis je přímočarý: magnetické enkodéry jsou správná volba pro nohy a většinu paží; optické se objevují v zápěstích a prstových kloubech špičkových obratných rukou, kde opravdu potřebujete i to poslední desetinné místo.

Drift kalibrace je ten způsob selhání, před kterým Vás nikdo nevaruje. Enkodéry jsou přesné, ale vztažené k nule nastavené při startu nebo při uvedení do provozu. Časem se mechanický vztah mezi enkodérem a kloubem posune o desetiny stupně vlivem teplotních cyklů, opotřebení harmonické převodovky a nárazů. Produkční nasazení potřebuje postup pro opětovné nulování (obvykle čtvrtletně) a hlídací mez, která upozorní, když drift nuly kloubu překročí specifikaci. Přeskočit to znamená, že robot, který byl při instalaci dokonalý, začne po půl roce upouštět předměty.

Hloubkové kamery — tahoun percepce

RGB-D kamera v hlavě je v kráčející robotice roku 2026 nejpoužívanější exteroceptivní senzor. Stačí na vyhýbání se překážkám, klasifikaci terénu na jeden až tři metry, detekci úchopových bodů na stole a SLAM na krátkou vzdálenost. Soupeří tři technologie:

Dvě produktové rodiny, které ovládají svět kráčejících robotů:

Intel RealSense. D435 a D435i jsou zavedený výchozí standard — FOV 87° × 58°, dosah 0.1–10 m, chyba hloubky ~2 % na 2 m, globální závěrka na hloubkových senzorech. D435i přidává IMU třídy Bosch BMI055 integrovanou přímo v kameře, což zjednodušuje problém časové synchronizace. D455 zdvojnásobila základnu na 95 mm, a tím i efektivní dosah (chyba hloubky <2 % na 4 m), a IMU má ve standardu. D457 je D455 zodolněná pro GMSL2 / FAKRA — stejné zobrazování, konektor automobilové třídy, krytí IP65, určená pro roboty, kteří skutečně opouštějí laboratoř. Téměř každý výzkumný humanoid v R01 má na hlavě buď D435i, nebo D455; D457 je varianta, která se objevuje na čtyřnožcích certifikovaných pro venkovní provoz.

Orbbec. Čínská alternativa — Femto Bolt, Femto Mega, Gemini 335 / 336 / 2 XL. Femto Mega je zajímavá tím, že integruje Jetson Nano přímo v kameře a používá ToF senzor od Microsoftu (stejný jako v Azure Kinect DK, který Microsoft opustil). Gemini 2 XL posouvá použitelnou hloubku až na 20 m. Modely Orbbec jsou při srovnatelných parametrech obvykle o 30–50 % levnější než RealSense a na platformách čínské výroby se staly výchozí volbou všude tam, kde je riziko dodávek dílů Intel na obtíž. Pro čistě vnitřní robotiku jsou rovnocenné; pro venkovní provoz a vysoké vibrace má ekosystém RealSense stále lepší podporu autopilotů a integraci do ROS 2.

Past, do které padají integrátoři napoprvé: vzájemné IR rušení více kamer. Postavte dvě hloubkové kamery se strukturovaným světlem proti sobě do jedné místnosti a obě v překryvné zóně přijdou o hloubku. Řešení: časově multiplexovat projektory (hardwarově vypnout jeden, zatímco druhý snímá), nebo přejít na čisté stereo (bez aktivního projektoru). To je jeden z důvodů, proč se větší flotily přiklánějí k pasivnímu stereu nebo ToF.

RGB kamery — a proč typ závěrky znamená víc než megapixely

RGB senzor hloubkové kamery je pro svůj účel obvykle v pořádku, ale seriózní manipulační sestava přidává samostatnou RGB kameru pro barvu ve vysokém rozlišení. Neintuitivní otázka zní globální versus rolovací závěrka.

Senzor s rolovací závěrkou čte řádky pixelů postupně. Pokud se během čtení pohne kamera nebo scéna, obraz se zkosí — svislá čára se změní v šikmou, roztočené kolo v banán. Pro statickou kontrolu na stole to nevadí. U kráčejícího humanoida, kde se hlava s každým krokem zrychluje o 5 m/s² do stran, rolovací závěrka ničí párování příznaků, rozbíjí vizuální odometrii a dává VLM nepoužitelný vstup.

Pravidlo je prosté: cokoli na pohybujícím se robotu potřebuje globální závěrku. Hloubkové moduly D435i, D455 i D457 mají globální závěrku (barevný senzor je u některých variant rolovací — přečtěte si datasheet). Samostatná RGB kamera s globální závěrkou přidá k sestavě 200–600 €. Šetřit zrovna tady je jedna z nejčastějších a nejbolestivějších chyb ve specifikaci, kterých se začínající stavitelé robotů dopouštějí.

LiDAR — kdy se vyplatí a kdy ne

LiDAR je v robotice roku 2026 nejvíc předimenzovaný senzor. Je skutečně nutný na venkovních čtyřnožcích, na platformách pro SLAM přes více místností a na každé jednotce, která musí spolehlivě vidět dál než 10 m. Na vnitřním manipulačním humanoidovi, který pracuje v objemu 3 m × 3 m, je zbytečný.

Dvě architektury:

• Rotační mechanický LiDAR. Tradiční konstrukce s rotujícím zrcadlem. Vyšší cena, vyšší počet kanálů, vyzrálé. Ouster OS0 / OS1 (nyní Rev8 s nativní barvou, 2026), Hesai XT16 / XT32 / QT128. Rotační jednotky jsou spotřební díl, ale ložiska dnes vydrží 30,000+ hodin.
• Solid-state / hybridní solid-state LiDAR. Hybrid s rotujícím zrcadlem od Livoxu (Mid-360, HAP, Avia) a čistě MEMS solid-state. Žádná vnější rotující část, nižší cena, někdy nerovnoměrné obrazce skenu. Mid-360 se pro kráčející roboty stal výchozí volbou.

Typické senzory ve světě kráčejících robotů:

Livox Mid-360 si svou dominanci zaslouží — je malý (pod 300 g), málo žravý (pod 10 W), má 360° pokrytí dostatečné pro SLAM a za $800 je dost levný na to, aby se dodával i se spotřebními psy. Pro humanoida, který chodí uvnitř a má zmapovat budovu, je Mid-360 správná odpověď v 80 % případů.

Kdy na LiDARu opravdu záleží:

• Venkovní SLAM nebo SLAM přes více místností, kde dosah hloubkové kamery (5–8 m) nestačí.
• Navigace dlouhými chodbami, kde potřebujete ze začátku chodby vidět její konec.
• Ostré slunce, kde hloubkové kamery s IR projektorem selhávají a funguje jen LiDAR nebo pasivní stereo.
• Odrazivá prostředí bez textury (sklady s natřenými podlahami, skleněné stěny), kde stereo ztrácí příznaky.

Kdy je LiDAR přeceňovaný:

• Vnitřní manipulace humanoida v pracovním prostoru do 5 m. Dvojice D455 tu odvede práci za desetinu ceny a hmotnosti.
• „Marketingový pes“ — ukázky, které nikdy neopustí dlážděnou plochu. LiDAR tam je, aby to vypadalo vážně.
• Zaplněné místnosti s dostatkem textury. Stereo opravdu stačí a LiDAR dělá práci dvakrát.

Pokud na všechny čtyři otázky „kdy na tom záleží“ odpovíte „ne“, LiDAR nepotřebujete. Ušetřete $800–$8,000 a dejte je do RGB kamery s globální závěrkou a lepší IMU.

Síla a moment na koncovém efektoru — co umožní manipulaci

Ve chvíli, kdy se robot pokusí o cokoli jiného než zvedat tuhé plastové kostky, se měření síly a momentu v zápěstí stává úzkým hrdlem. Šestiosý F/T senzor měří tři složky síly a tři složky momentu v kloubu mezi zápěstím a chapadlem či rukou a posílá je do impedančního regulátoru, který rozhoduje, jak silně tlačit, kdy přestat a kdy se něco zaseklo.

Referenční jednotky dodává ATI Industrial Automation (Mini, Nano, Axia, Mini43LP). Mini43LP je dnes ideální volba pro zápěstí humanoidů — pod 8 mm na výšku, šestiosý, polovodičové tenzometry, data v reálném čase na 8 kHz přes EtherCAT nebo Ethernet. Cena se podle konfigurace pohybuje mezi $4k a $12k, a proto většina humanoidů pod $50k F/T snímání ve standardu nemá. Unitree H1-2 s manipulačními pažemi ho podporuje; základní G1 ne.

Pokud je Vaší úlohou „nést tác s hrnky“, „otevřít dveře lednice, aniž byste utrhli kliku“ nebo „podat člověku nářadí“, chcete F/T v zápěstí. Pokud je úlohou „zvednout známý předmět ze známého místa“, vystačíte si se zpětnou vazbou z proudu motoru a vyhrazený senzor vynecháte.

Taktilní senzory — reálná, ale nezralá hranice

Taktilní snímání je technologie, o které humanoidní ukázky roku 2026 hlasitě mluví a kterou produkční nasazení roku 2026 většinou nepoužívají. Dozrála natolik, aby byla užitečná ve výzkumu; nedozrála natolik, aby byla levná, spolehlivá a bezúdržbová.

Dvě relevantní rodiny:

• GelSight / DIGIT. Taktilní senzory založené na kameře — měkká elastomerová podložka se značkami, nasvícená a snímaná zespodu miniaturní kamerou. Čte geometrii kontaktu s povrchem v submilimetrovém rozlišení a z posunu značek odvozuje smykovou i normálovou sílu. Původně výzkum MIT, produktizovaný firmou GelSight; variantu DIGIT vyvinuli s Meta AI (Digit 360 ohlášen koncem roku 2024, kontrakty SBIR Phase II běží v roce 2026). Vynikající na jemnou geometrii — textura, hrany, detekce prokluzu. Cena se pohybuje mezi $1k a $3k na prst, plus zátěž na zpracování obrazu.
• Kapacitní a piezorezistivní pole. Starší technologie, nižší rozlišení, mnohem levnější. Používá se v některých chapadlech na hrubé „kontakt ano/ne“. V moderním smyslu to vlastně taktilní snímání není.

Co taktilní snímání na humanoidovi reálně umožňuje:

• Detekce prokluzu. Robot cítí, že mu předmět v sevření klouže, a zvýší sílu dřív, než spadne. To je dnes nejužitečnější taktilní signál ve výzkumu.
• Rozlišení předmětů podle textury. Látka versus kůže versus kov na konečku prstu.
• Rekonstrukce geometrie. Sestavení 3D modelu předmětu, který ruka ohmatává naslepo.

Co taktilní snímání zatím spolehlivě neumí:

• Přežít robotí provoz odpovídající jednomu cyklu myčky. Měkké gelové podložky se opotřebují, pořežou a je třeba je pravidelně měnit, podobně jako podrážky chodidel.
• Fungovat bez vyhrazeného GPU. Taktilní snímání přes kameru je počítačové vidění v reálném čase; každý senzor přidá 10–30 % zátěže na Jetson AGX.
• Standardizovat se. Každá výzkumná skupina má vlastní taktilní řešení. Pro taktilní data zatím neexistuje standardní zpráva v ROS 2, na které by se všichni shodli.

Upřímný pohled: taktilní snímání bude v produkci důležité v letech 2027–2028. V roce 2026 je nasazení GelSight DIGIT na výzkumného humanoida reálná schopnost, pokud na to máte výzkumný rozpočet. Objednávat si ho do produkčního nasazení je předčasné.

Mikrofony, kontakt chodidel a zbytek

Ještě několik senzorů, které stack doplňují.

Mikrofonní pole. Standardem je pole se čtyřmi mikrofony, na prémiových platformách někdy šest nebo osm. Plní tři úkoly: detekci budicího slova (často lokálně, na úsporném DSP), odhad směru příchodu zvuku pro „kdo to řekl“ a beamforming pro čistý přepis řeči do textu v hlučné místnosti. Odhad směru je podceňovaná funkce — robot, který otočí hlavu k tomu, kdo na něj promluvil, působí mnohem přítomněji než ten, který to neudělá. Jeden mikrofon stačí stolnímu asistentovi a je k ničemu na robotu ve výšce 1.5 m v místnosti se třemi lidmi.

Kontakt a tlak chodidel. Dvě provedení. Siloměry pod chodidlem jsou explicitní verze, používá je Spot a ANYmal D. Odvození z IMU a momentu je implicitní verze, používá ji každá platforma Unitree a DeepRobotics — když chodidlo dosedne, moment v noze skokově vzroste, IMU v chodidle vidí náraz a stavový automat chůze z toho kontakt odvodí. Siloměry jsou spolehlivější na kluzkých površích, kde je samotný moment nejednoznačný; odvozená verze je levnější a na 90 % práce stačí.

Enkodéry kol (u čtyřnožců s koly místo chodidel). Unitree B2-W a Go2-W přidávají na konec každé nohy poháněné kolo. Každé kolo má vlastní inkrementální enkodér a SLAM pipeline fúzuje odometrii kol s IMU a LiDARem. Odometrie kol je nejlevnější vstup pro mrtvé navádění, jaký existuje — když je k dispozici, je řešení SLAM stabilnější. Daní je další způsob selhání (kola prokluzují, zanášejí se, selhávají), a proto varianty s koly potřebují pečlivější ladění odhadu stavu než jejich kráčející sourozenci.

Synchronizace senzorů — neviditelný způsob selhání

Věc, která rozbíjí víc percepčních pipeline než cokoli jiného a o které skoro nikdo nemluví, dokud na ni nenarazí, je časová synchronizace napříč senzory.

Problém: hloubková kamera dodává snímky na 30 Hz, IMU běží na 1 kHz, LiDAR na 10 Hz a kloubové enkodéry na 1 kHz. Každý senzor má vlastní hodiny a vlastní zpoždění od události k časové značce. Když se tyto hodiny rozejdou nebo jsou časové značky špatné, fúze senzorů produkuje nesmysly a nikdo neví proč — robot začne halucinovat překážky nebo se mu mapa SLAM rozmaže pokaždé, když se otočí.

Tři úrovně řešení, od nejslabší po nejsilnější:

1. Softwarové NTP. Levné, na drátové síti LAN dosáhne přesnosti 1–10 ms. Stačí na logování a dohled na vyšší úrovni. Pro těsnou fúzi senzorů na 1 kHz je to katastrofa.
2. IEEE 1588 PTP (Precision Time Protocol). Hardwarově podporované časové značky v síťové kartě, přesnost pod mikrosekundu na přepínané ethernetové síti. Tohle používají seriózní vícesenzorové roboty a vyžaduje to switche i senzory s podporou PTP. LiDARy Livox PTP podporují. RealSense ho podporuje přes firmware. Většina levných USB hloubkových kamer ne.
3. Hardwarový trigger. Fyzická pulzní linka, která současně spustí kameru, LiDAR i odběr vzorku IMU. Synchronizace na nanosekundy, ale funguje jen u senzorů se vstupem pro externí trigger — typicky u kamer a LiDARů průmyslové třídy, ne u spotřebních USB jednotek.

Co se bez synchronizace rozbije, seřazeno podle toho, jak často to kousne:

• Zrychlí se drift VIO, když se časové značky IMU a kamery liší o víc než 2–5 ms.
• LIO vytváří duchy překážek, když se LiDAR a IMU neshodnou na tom, kde robot během skenu byl.
• Uchopování řízené VLM sáhne na špatný bod, když hloubkový snímek a hodnota z kloubového enkodéru použitá k napolohování chapadla pocházejí z různých okamžiků.

Pokud integrujete senzory od více dodavatelů, ptejte se na PTP brzy. Náprava dodatečně obvykle znamená přestavbu architektury senzorové sběrnice, ne drobnou úpravu.

Výpočetní zátěž na senzor — co Jetson ve skutečnosti dělá

Moderní Jetson AGX Orin (200 TOPS, 32 GB RAM) v humanoidovi dělá víc, než datasheet napovídá. Realistické rozložení zátěže při trvalém provozu:

Když to sečtete, Jetson je trvale na 60–80 % a při běhu VLM se špičky dotýkají throttlingu. Na druhý velký model prakticky není rezerva — a přesně to je ten architektonický argument z I01: těžké přemýšlení se odehrává mimo robota, protože Jetson je už plný.

Taktilní snímání, pokud ho přidáte, ukousne dalších 10–30 % na každý pár senzorů. F/T snímání je prakticky zdarma (na CPU, nízká frekvence). LiDAR je překvapení — předzpracování mračna bodů není levné a hustý LiDAR (Hesai QT128, Ouster OS1 s 256 kanály) zahltí Jetson Orin Nano dřív, než se vůbec spustí percepční kód. Hustotu LiDARu volte podle výpočetního výkonu, ne podle marketingu.

---

Toto je součást Kentino Wiki, referenční série o AI výpočtech, robotice a systémech, které je propojují. Komentáře a opravy uvítáme na info@kentino.com.